Satisfaction with a primary care-based diabetes management program / by Cheryl Harrison-Barnet.
Notice bibliographique
Résumé
Diabetes is the sixth leading cause of death in the United States and affects approximately 7% of \nthe population (Hupke, Camp, Chaufoumier, Langley, & Little, 2004; Piatt et al., 2006). It is an \nestablished fact that the long-term complications of diabetes can be reduced by tight glycemic \ncontrol. There is a clear relationship between control of blood glucose, blood pressure, and lipid \nlevel, and the ability to decrease microvascular and macrovascular morbidity (Nutting et al., \n2007). A common measure of blood sugar control is that of glycosylated hemoglobin, or HbAlc. This \nlaboratory test provides a measure of blood sugar control over the previous 3 months (Canadian \nDiabetes Association [CDA], 2007). A Cochrane collaboration review reported that an average \nreduction of HbA1c of 1% or more can result in a 21% reduction in mortality, a 14% reduction in \nacute myocardial infarction (AMI) , and a 37% reduction in microvascular complications if sustained \nover time (as cited in Wagner, Austin, et al., \n2001). \nThere is, however, a gap between this evidence and what is achieved in clinical practice (Nutting \net al., 2007). Wagner, Austin, et al. (2001) argued that fewer than half of patients in the United \nStates with diabetes are receiving proper treatment. A primary care management study of Type 2 \ndiabetes reported that 47.5% of patients had at least one diabetes-related complication (Spann et \nal., 2006). Over half of the patients (60.8%) in this study had a body mass index greater than 30 \nand a mean HbAlc of 7.6%; 35.3% had adequate blood pressure control; and 43.7% had adequate \nlow-density lipoprotein \n(LDL) cholesterol levels.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».