Referral Practices for Spinal Surgery are Poorly Predicted by Clinical Guidelines and Opinions of Primary Care Physicians
Notice bibliographique
Résumé
BACKGROUND: Degenerative disease of the lumbar spine is common. Although surgery can benefit selected patients, variation in surgical referrals reduces overall access to care. OBJECTIVES: To compare the actual referral practices for patients with degenerative disease of the lumbar spine with recommendations for surgical referral based on clinical practice guidelines (CPGs) and family physician (FP) opinions. RESEARCH DESIGN: An expert panel of primary and specialist physicians, using a Delphi process, came to a consensus on referral recommendations from CPGs based on a series of clinical vignettes. The vignettes were also presented to practicing FPs in Ontario, Canada, to determine their preferences for (or likelihood of) referral. SUBJECTS: We assembled a 10-member multispecialty expert panel. Practicing FPs were randomly sampled, stratified by county, and their patients were sampled purposefully by the FP. MEASURES: Respondents, both panelists and FPs, were asked to rate the appropriateness of surgical referral for a series of clinical vignettes. Patients reported their clinical symptoms and whether they had been referred to a surgeon. Using random-effects probit regression, predictions were compared with actual referral. Receiver operating characteristic curves were constructed and area under the curve (AUC) was measured. RESULTS: Consensus of the panel on recommendations for referral was achieved after 2 iterations (Cronbach alpha = 0.96). Based on responses from 107 patients and 61 FPs, we found poor concordance of both predicted FP preferences (AUC 0.57) and CPG recommendations (AUC 0.64) with actual referral. CONCLUSIONS: Referral practices are poorly predicted by CPG recommendations and individual FP opinions, based on clinical factors. Understanding other nonclinical factors may be more important in reducing variation in referrals and improving access.
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 | 0,020 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».