Reasons for non‐use of proven pharmacotherapeutic interventions: systematic review and framework development
Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: The quality of patient care and safety is dependent on addressing both errors of commission (e.g. overuse of medications) and errors of omission (e.g. patients receiving too little care). Despite guidelines recommending the use of certain proven pharmacotherapeutic interventions, a large gap exists between the patients that have an indication for, and those that actually receive such interventions. To address how the rate of implementation of proven interventions can be improved is dependent on a comprehensive knowledge of the factors contributing to their underuse. The aim of the review is to create an evidence-based framework of reasons why eligible patients do not receive proven pharmacotherapeutic interventions. METHODS: A systemic review of the published reasons for non-use based on the Cochrane methodology. RESULTS: The systematic review identified 67 articles meeting the inclusion criteria. The reasons for non-use were extracted from the studies and a framework was created from the results. CONCLUSIONS: The factors associated with lack of implementation of proven pharmacotherapeutic interventions are complex and heterogeneous but can be understood from the perspectives of clinicians, patients and health care delivery systems. Efforts to increase the utilization of proven interventions should focus on disease/intervention-specific programmes that take into account the identified modifiable clinician, patient and system factors.
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 | 0,119 | 0,279 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,014 | 0,016 |
| Bibliométrie | 0,033 | 0,027 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».