MétaCan
Menu
Back to cohort
Record W3129645571 · doi:10.71781/4737

Impact d'un service de liaison pour fractures sur des issues cliniques et d'adhésion au traitement, incluant une analyse économique des trajectoires de soins

2019· dissertation· fr· W3129645571 on OpenAlexfundno aff
Andréa Senay

Bibliographic record

VenueOpen MIND · 2019
Typedissertation
Languagefr
FieldHealth Professions
TopicHealthcare Systems and Practices
Canadian institutionsnot available
FundersFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchEli Lilly CanadaRéseau Québécois de Recherche sur les MédicamentsSanofiEli Lilly and Company
KeywordsMedicinePolitical science

Abstract

fetched live from OpenAlex

Introduction. L’ostéoporose est une maladie chronique silencieuse jusqu’à la survenue de fractures de fragilisation, qui sont des prédicteurs importants de récurrence de fractures. La prise en charge des fractures de fragilisation au moyen de traitements de prévention secondaire des fractures est sous-optimale dans la population. Dans le but de pallier à cet écart dans les soins, de multiples initiatives de prévention secondaire des fractures ont été étudiées. Ces services ont souvent un niveau d’intervention de faible intensité et/ou un accès à des soins à court terme. Objectifs. Cette thèse comprend quatre volets liés à l’implantation d’un Service de Liaison pour Fractures (FLS) de haute intensité d’intervention ayant un suivi systématique à long terme. Le premier objectif vise à rapporter la performance de l’intervention au moyen d’indicateurs clés. Le second objectif consiste à mesurer l’usage des traitements pour l’ostéoporose dans le FLS. Le troisième objectif est d’identifier les trajectoires de soins par la présence aux visites de suivi systématique dans le FLS. L’objectif final consiste à évaluer le rapport coût-utilité en utilisant des groupes de trajectoires de soins en comparaison à la pratique clinique usuelle. Méthodologie. Un FLS appelé le programme Lucky BoneTM a été approuvé avec un devis d’étude de cohorte prospective et implanté dans deux cliniques externes d’orthopédie en milieu hospitalier. L’intervention était multifacette ; 1) identifier les femmes et les hommes de 40 ans et plus avec une fracture ostéoporotique, 2) investiguer pour la fragilité osseuse, 3) initier un traitement préventif, et 4) intégrer les sujets à un suivi systématique de deux ans. Des données cliniques et administratives ont été collectées pour mesurer l’impact du programme. Le premier volet de cette thèse rapporte la performance du FLS. Un devis de cohorte permettait de mesurer les indicateurs clés de performance (ICPs) ; les taux d’investigation pour la densité minérale osseuse (DMO), d’initiation de traitement, de participation au suivi, et le taux d’incidence de fractures subséquentes. Les changements des valeurs sériques de biomarqueurs osseux et des scores de questionnaires sur la qualité de vie/capacité fonctionnelle/douleur étaient également mesurés au moyen de modèles à effets mixtes. Le second volet de cette thèse mesure les taux de persistance et les niveaux d’adhésion (proportion de jours couverts (PDC) > 80% = bonne adhésion) au traitement sur un et deux ans de suivi. Le troisième volet de cette thèse consiste à identifier les groupes de trajectoires de soins basées sur les fréquences des visites de suivi systématique au moyen de modélisation pour les trajectoires par group-based. Le dernier volet vise à mesurer l’impact économique de ces ii groupes de trajectoires de soins par rapport à un groupe simulé de pratique clinique usuelle, qui était modélisé au moyen d’une analyse coût-utilité et des modèles analytiques de Markov. Résultats. Des 532 participants, 85.7% étaient des femmes et l’âge moyen était de 63±11 ans. Premier volet : Les résultats de la mesure des ICPs étaient les suivants : taux d’investigation de la DMO de près de 86%, taux d’initiation de traitement de > 86%, présence à au moins une visite de suivi pour 83.6% des sujets (22.2% de présence à toutes les visites) sur deux ans, et un taux d’incidence de fractures subséquentes de 2.6 par 100 personnes-années. Les biomarqueurs osseux ont grandement diminué en seulement six mois, suggérant une inhibition de la résorption osseuse par le traitement. Une amélioration significative de la capacité fonctionnelle a été observée dans le temps (14%-64%). Second volet : Les taux de persistance au traitement sur un et deux ans étaient de 66.4% et 55.6%, respectivement. Les proportions de patients avec un PDC > 0.8 sur un et deux ans étaient de 64.2% et 62.5%, respectivement. Troisième volet : Trois groupes de trajectoires de soins ont été prédits et interprétés comme une utilisation élevée (UE, 48.4%), une utilisation intermédiaire (UI, 28.1%) et une utilisation faible (UF, 23.5%). Quatrième volet : Les ratios coût-utilités incrémentaux des groupes UE, UI et UF par rapport à la pratique clinique usuelle étaient de 3,600$, 22,000$ et 74,000$ par année de vie pondérée par la qualité gagnée, respectivement. Conclusions. Un FLS ayant une haute intensité d’intervention et un suivi systématique des patients avec une fracture de fragilisation a entrainé des taux d’investigation et de traitement élevés, un faible taux de récurrence de fractures, mais une participation au suivi qui pourrait être améliorée sur deux ans. Plus de la moitié des participants étaient toujours traités et avaient un usage optimal de ces traitements après deux ans. Près de la moitié des sujets appartenaient à un groupe de trajectoire de soins élevée, ce comportement s’avérant coût-efficace. La principale limite de ce programme de recherche est le manque d’un groupe de contrôle. Un essai pragmatique randomisé contrôlé est à envisager pour supporter ces résultats. Les pistes de recherches futures incluent l’investigation des comportements reliés à l’utilisation des soins chez les patients à haut risque de refracture, et ce, au moyen d’issues qualitatives centrées sur le patient.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.022
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.101
Threshold uncertainty score0.201

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0050.022
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.002
Bibliometrics0.0020.003
Science and technology studies0.0010.001
Scholarly communication0.0040.002
Open science0.0010.002
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0230.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.284
GPT teacher head0.567
Teacher spread0.283 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicHealthcare Systems and PracticesFrench-language works237,207