From recommendation to action: psychosocial factors influencing physician intention to use Health Technology Assessment (HTA) recommendations
Notice bibliographique
Résumé
BACKGROUND: Evaluating the impact of recommendations based upon health technology assessment (HTA) represents a challenge for both HTA agencies and healthcare policy-makers. Using a psychosocial theoretical framework, this study aimed at exploring the factors affecting physician intention to adopt HTA recommendations. The selected recommendations were prioritisation systems for patients on waiting lists for two surgical procedures: hip and knee replacement and cataract surgery. METHODS: Determinants of physician intention to use HTA recommendations for patient prioritisation were assessed by a questionnaire based upon the Theory of Interpersonal Behaviour. A total of 96 physicians from two medical specialties (ophthalmology and orthopaedic surgery) responded to the questionnaire (response rate 44.2%). A multiple analysis of variance (MANOVA) was performed to assess differences between medical specialties on the set of theoretical variables. Given the main effect difference between specialties, two regression models were tested separately to assess the psychosocial determinants of physician intention to use HTA recommendations for the prioritisation of patients on waiting lists for surgical procedures. RESULTS: Factors influencing physician intention to use HTA recommendations differ between groups of specialists. Intention to use the prioritisation system for patients on waiting lists for cataract surgery among ophthalmologists was related to attitude towards the behaviour, social norms, as well as personal normative beliefs. Intention to use HTA recommendations for patient prioritisation for hip and knee replacement among orthopaedic surgeons was explained by: perception of conditions that facilitated the realisation of the behaviour, personal normative beliefs, and habit of using HTA recommendations in clinical work. CONCLUSION: This study offers a model to assess factors influencing the intention to adopt recommendations from health technology assessment into professional practice. Results identify determinant factors that should be considered in the elaboration of strategies to support the implementation of evidence-based practice, with respect to emerging health technologies and modalities of practice. However, it is important to emphasise that behavioural determinants of evidence-based practice vary according to the specific technology considered. Evidence-based implementation of HTA recommendations, as well as other evidence-based practices, should build on a theoretical understanding of the complex forces that shape the practice of healthcare professionals.
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 | 0,006 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».