MétaCan
Menu
Retour à la cohorte
Enregistrement W2058006618 · doi:10.1017/s0266462308080458

Appropriateness of healthcare interventions: Concepts and scoping of the published literature

2008· article· en· W2058006618 sur OpenAlexaff
Claudia Sanmartin, Kellie E. Murphy, Nicole Choptain, Barbara Conner‐Spady, Lindsay McLaren, Éric Bohm, Michael Dunbar, Suren Sanmugasunderam, Carolyn De Coster, John McGurran, Diane Lorenzetti, Tom Noseworthy

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensInstitute of Health EconomicsUniversity of British ColumbiaQueen Elizabeth II Health Sciences CentreUniversity of TorontoDalhousie UniversityUniversity of ManitobaUniversity of ReginaStatistics CanadaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionHealth careMedicinePsychologyNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This report is a scoping review of the literature with the objective of identifying definitions, conceptual models and frameworks, as well as the methods and range of perspectives, for determining appropriateness in the context of healthcare delivery. METHODS: To lay groundwork for future, intervention-specific research on appropriateness, this work was carried out as a scoping review of published literature since 1966. Two reviewers, with two screens using inclusion/exclusion criteria based on the objective, focused the research and articles chosen for review. RESULTS: The first screen examined 2,829 abstracts/titles, with the second screen examining 124 full articles, leaving 37 articles deemed highly relevant for data extraction and interpretation. Appropriateness is defined largely in terms of net clinical benefit to the average patient and varies by service and setting. The most widely used method to assess appropriateness of healthcare services is the RAND/UCLA Model. There are many related concepts such as medical necessity and small-areas variation. CONCLUSIONS: A broader approach to determining appropriateness for healthcare interventions is possible and would involve clinical, patient and societal perspectives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,336
Tête enseignante GPT0,590
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations62
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetHealthcare cost, quality, practicesTravaux en français237 207