MétaCan
Menu
Retour à la cohorte
Enregistrement W4413411542 · doi:10.1097/jxx.0000000000001187

Implementation of a continuous glucose monitoring workflow in a complex primary care clinic

2025· article· en· W4413411542 sur OpenAlexaff
Jack Weisskohl, Dana Burns, Evan M. Sisson, Kathryn Reid

Notice bibliographique

RevueJournal of the American Association of Nurse Practitioners · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHyperglycemia and glycemic control in critically ill and hospitalized patients
Établissements canadiensNipissing University
Organismes subventionnairesnon disponible
Mots-clésMedicineWorkflowClinical decision support systemPrimary carePsychological interventionFamily medicineClinical nurse specialistNursingMEDLINENurse practitionersAmbulatory careHealth careComputer scienceDatabase

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Continuous glucose monitors (CGM) are supported by national clinical practice guidelines for glucose monitoring in many people with diabetes. However, CGM data are often underutilized in primary care settings, where most adults with diabetes are treated. LOCAL PROBLEM: Despite a growing patient population using CGM in a complex primary care clinic, the clinic lacks a structured workflow process for manually uploading CGM reports to the electronic health record. As a result, CGM data are inconsistently used by primary care providers for clinical decision-making during routine visits. METHODS: Using the Plan-Do-Study-Act methodology, workflow processes for registered nurses (RNs), licensed practical nurses (LPNs), doctors of medicine (MDs), family nurse practitioners (FNPs), and clinical pharmacists (PharmDs) were examined and improved to support the project goals. INTERVENTIONS: Patients actively using CGM were identified daily. Assigned clinic nurses (n = 3; 1 RN and 2 LPNs) uploaded CGM logs as precharting to the visit, which were then used by providers (n = 3; 1 MD and 2 FNPs) during clinical encounters. When nurses were not available, the MD, FNPs, or PharmD (n = 1) completed the workflow. RESULTS: Ambulatory glucose profiles were uploaded to precharting in 43 of 45 patients (96%) with active CGM during the project evaluation period. Providers discussed CGM in 38 (88%) of these cases, using it correctly 100% of the time. The current procedural terminology code 95251 was billed in 35 (92%) of the applicable visits. CONCLUSIONS: Interprofessional teamwork to implement clinic workflow process improvements supports the delivery of guideline-driven diabetes care for adults using CGM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,039
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,348
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Association of Nurse PractitionersMême sujetHyperglycemia and glycemic control in critically ill and hospitalized patientsTravaux en français237 207