Effectiveness of Academic Detailing to Optimize Medication Prescribing Behaviour of Family Physicians
Notice bibliographique
Résumé
PURPOSE: To synthesize current knowledge about the effectiveness and the magnitude of the effect, of Academic Detailing (AD), as a stand-alone intervention, at modifying drug prescription behavior of Family Physicians (FPs) in primary care settings. METHODS: A search of MEDLINE, EMBASE, CENTRAL, and Web of Science databases of all English language articles between January 1983 and July 2010 was conducted. We hand-searched the bibliographies of articles retrieved from the electronic search to identify additional studies. Inclusion criteria were: full-length articles describing original research; randomized controlled trial (RCT), or observational study design with a control group; studies of AD delivered to FPs; AD as a stand-alone intervention; drug prescription as the target behavior. Data extraction was done independently by two reviewers. Outcomes evaluated were: the difference in relative change in prescription rate between the intervention and control groups; the difference in absolute change in prescription rate between the intervention and control groups; and effect size, calculated as the standardized mean difference. RESULTS: 11 RCTs and 4 observational studies were included. Five RCTS described results showing effectiveness, while 2 RCTs reported a positive effect on some of the target drugs. Two observational studies found AD to be effective, while 2 did not. The median difference in relative change among the studies reviewed was 21% (interquartile range 43.75%) for RCTs, and 9% (interquartile range 8.5%) for observational studies. The median effect size among the studies reviewed was - 0.09 (interquartile range 2.73). CONCLUSION: This systematic review demonstrates that AD can be effective at optimizing prescription of medications by FPs. Although variable, the magnitude of the effect is moderate in the majority of studies. This systematic review also provides evidence supportive of the use of AD as a strategy to promote evidence based prescription of medications or incorporation of clinical guidelines into clinical practice. This article is open to POST-PUBLICATION REVIEW. Registered readers (see "For Readers") may comment by clicking on ABSTRACT on the issue's contents page.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».