Evaluation of a Quality Improvement Program to improve the detection of Alzheimer’s disease and related dementias
Notice bibliographique
Résumé
Context Early detection of cognitive impairment can improve health outcomes and delay the onset of Alzheimer’s disease and related dementias (ADRD). Primary care providers (PCPs) are at the forefront of evaluating cognitive concerns and detecting ADRD, but they often lack training and tools to do so. Objective To evaluate the outcomes of a system-wide primary care quality improvement intervention to improve PCPs’ ability to evaluate and detect ADRD. Study Design and Analysis Implementation project and outcomes evaluation comparing outcome measures before and after implementation. Setting Large primary care system comprising 14 community-based primary care clinics. Population Primary care providers Intervention An education series integrated with workflows and tools in the electronic health record (EHR). Outcome Measures Number of cognitive assessments recorded in the EHR by PCPs and the number of patients newly diagnosed with ADRD by PCPs. Results A total of 94 PCPs participated in the program. In the 9 months preceding the intervention, the average number of Montreal Cognitive Assessments (MoCA) recorded in the EHR by PCPs was 2.8 (SD 1.9) per month. Following the intervention, in the 9 months post, this average increased to 19.8 (SD 6.1) MoCAs per month (p < 0.001). Additionally, during this time frame, the average number of new ADRD diagnoses made in primary care rose from 6.2 (SD 2.4) per month before the intervention to 14.6 (SD 5.96) per month after the intervention (p = 0.012). Conclusions Training for PCPs, workflow adjustments, and the use of EHR tools increased cognitive testing and diagnoses of ADRD in primary care clinics. These resources are essential for enabling PCPs to take targeted actions to support patients’ brain health and help them access better ADRD care.
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 | 0,046 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».