Personalising renal function monitoring and interventions in people living with heart failure: a protocol for co-designing a care pathway in the RENAL-HF programme
Notice bibliographique
Résumé
BACKGROUND: Heart failure affects almost one million people in the UK and is increasing in prevalence. Many drugs used to treat heart failure impair renal function and can lead to hospitalisation. Adverse drug problems can be partially mitigated through regular renal monitoring and optimising of drug dose and choice to prevent deterioration of kidney function. This protocol describes part of a wider research programme: personalising renal function monitoring and interventions in people living with heart failure (RENAL-HF). AIM: The aim of RENAL-HF is to develop improved processes in primary care to manage kidney health in people living with heart failure. METHOD: The protocol covers gathering views of healthcare professionals, patients, and carers, to co-develop a care pathway for use in primary care. Using a mixed-methods approach, the work comprises the following six stages: (1) understanding current practice of optimising heart failure treatment while preserving renal function; (2) co-designing a care pathway including personalised renal function monitoring, thresholds for intervention and clinical guidelines; (3) decision making to identify elements that will support the care pathway; (4) developing training materials for primary care to enable use of the care pathway; (5) testing the usability of the prototype care pathway; and 6) a feasibility and acceptability study to inform the pre-clinical development and usability of the care pathway ahead of a cluster randomised control trial (RCT). CONCLUSION: All stages will elicit evidence from primary care practices, practitioners, and patients with which to assess and refine the care pathway. The evidence will inform how algorithm-guided individualised treatment can be implemented to improve the outcomes of patients with heart failure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,090 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,014 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».