The Impact of Patient Navigators on Overactive Bladder Care: Real-World Practice Patterns from a US National Database
Notice bibliographique
Résumé
Background/Objectives: We here describe the impact of navigated care on utilization patterns of pharmacologic and minimally invasive overactive bladder therapies. Methods: This retrospective observational cohort study used electronic medical record data from the Precision Point Specialty Analytics Portal in the United States. Eligible patients were adults (≥18 years) newly diagnosed and treated for non-neurogenic overactive bladder (1 January 2015 to 31 December 2019). Categorical endpoints were analyzed by chi-square test or Fisher exact test. Of 170,000 eligible patients, 8982 (≈5%) were randomly selected and stratified by navigation status (navigated: 1150 [12.8%]; non-navigated: 7832 [87.2%]). Results: Overall, 60.0% of patients were female, 69.9% were White, and 42.7% had Medicare coverage. Navigated care was more common among women, Black patients, and those covered by Medicaid/Medicare. Initial pharmacologic treatment rates were similar between navigated and non-navigated groups (anticholinergic: 57.0% vs. 57.4%; beta-3 agonist: 43.0% vs. 42.6%). Greater percentages of navigated versus non-navigated patients received minimally invasive therapy (23.8% vs. 10.8%, respectively; p < 0.0001). Discontinuation rates were lower for navigated versus non-navigated patients undergoing pharmacologic treatment (62.5% vs. 71.3%; p < 0.0001). Conclusions: Patient navigation for overactive bladder may help increase access to minimally invasive therapies and may be a tool to address treatment disparities.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».