Analyse Evidence Based Practice - Minerva - Consultation infirmière en vue d’améliorer la prévention et le dépistage des maladies chroniques
Notice bibliographique
Résumé
Population étudiée citoyens entre 40 et 65 ans, habitants de la Province de Ontario au Canada, parlant couramment l’anglais et recrutés sur base volontaire 22 quartiers administratifs ont été sélectionnés sur base de leurs faibles revenus financiers et du faible taux de dépistage des cancers (Census data) ; 3 quartiers ont ensuite été exclus du fait de caractères urbanistiques atypiques ; la randomisation finale sur 10 quartiers, suffisante pour la puissance de l’étude, s’est réalisée via la fonction SAMPLE du logiciel statistique R : 5 quartiers avec intervention / 5 quartiers en liste d’attente (sans intervention). Protocole d’étude essai clinique contrôlé́ randomisé en grappe l’intervention, BETTER-HEALTH, consistait en une consultation d’une heure à une heure trente basée sur des techniques d’entretien motivationnel, la planification d’actions et une décision partagée aboutissant à une « prescription préventive » comprenant au maximum 3 objectifs spécifiques individuels, mesurables, atteignables, réalistes et opportuns à visée de santé publique tels que le tabagisme, l’alimentation et l’activité physique ; 3 infirmier/ères ont été formés à cette approche pendant deux journées le groupe contrôle ne bénéficiait pas quant à lui de la consultation des infirmier/ères formés à l’approche BETTER-HEALTH (5 quartiers administratifs en liste d’attente). Mesures des résultats le critère de jugement primaire est la proportion d’action de prévention et de dépistage des maladies chroniques basées sur les données probantes, auxquelles chaque participant étaient potentiellement éligible à l’inclusion, auto-rapportée comme réalisée à 6 mois après l’intervention. Résultats critères de jugement primaire dans les deux groupes (intervention et contrôle), avant intervention, les participants étaient éligibles à 8,6 actions potentielles, en moyenne, de prévention et de dépistage après 6 mois, le groupe sensibilisé à l’aide de l’intervention BETTER-HEALTH a réalisé 64,5% des actions potentielles versus 42,1% du groupe contrôle (liste d’attente). Rapport d’incidence 1,53 (avec IC à 95% de 1,22 à 1,84) la plus grande amélioration entre les deux groupes a été observée pour la mesure du tour de taille (différence absolue de 71,9%), le dépistage de l’indice de masse corporelle (différence absolue de 72,7%), ainsi que dans le cadre du dépistage du cancer du sein (différence absolue de 50%). Conclusion des auteurs Les auteurs concluent que l’utilisation par des infirmiers/ères de santé publique de l’intervention BETTER-HEALTH a conduit à un taux plus élevé d'actions de prévention et de dépistage basées sur les données probantes réalisés à six mois chez des personnes désavantagées socio économiquement.
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 | 0,073 | 0,277 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,011 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,003 |
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 ».