Clinical Decision Rules "in the Real World": How a Widely Disseminated Rule Is Used in Everyday Practice
Notice bibliographique
Résumé
BACKGROUND: Widespread, appropriate use of clinical decision rules would result in many benefits for health care. While it is known that clinicians report using these rules, little is known about how the rules are actually used in everyday practice. OBJECTIVES: To conduct a survey of emergency physicians to examine whether they use the Ottawa Ankle Rules (OAR) consistently, exclusively, and accurately. METHODS: A postal survey was administered to 399 emergency physicians randomly selected from the membership list of the Canadian Association of Emergency Physicians using Dillman's tailored design method for postal surveys. Results were analyzed via frequency distributions and linear regression. RESULTS: Response rate was 69.7% (262 of 376 eligible respondents), of whom 99.2% were familiar with the OAR. Most physicians (89.6%) reported using the OAR always or most of the time in appropriate circumstances, while only 42.2% reported basing their decisions to order radiography primarily on the rule. Physicians reported considering non-rule factors that are not related to the presence of a fracture (e.g., swelling: 54%), and factors that add no more predictive value over and above the rule (e.g., age >55 years: 55.2%). While 82.4% reported not having reviewed the rule for months or years, only 30.9% of the respondents were able to correctly remember the components of the rule. Errors in remembering rule components were more common among part-time (beta = 0.18, p = 0.009) and older (beta = 0.18, p = 0.04) physicians, and those who do not apply the rule consistently (beta = 0.14, p = 0.04). CONCLUSIONS: Most physicians report using and applying the OAR consistently, but most report that the rule is not the primary determinant of their decisions. Most apply this rule without referring to memory aids, yet their memory for this simple rule is imperfect. Future work should study how different memory aid strategies might improve the accuracy of rule application and reduce the use of nonpredictive cues.
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 | 0,154 | 0,453 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,018 |
| Communication savante | 0,015 | 0,016 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,005 |
| 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 ».