The effectiveness and cost‐effectiveness of clinical nurse specialists in outpatient roles: a systematic review
Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: Increasing numbers of clinical nurse specialists (CNSs) are working in outpatient settings. The objective of this paper is to describe a systematic review of randomized controlled trials (RCTs) evaluating the cost-effectiveness of CNSs delivering outpatient care in alternative or complementary provider roles. METHODS: We searched CINAHL, MEDLINE, EMBASE and seven other electronic databases, 1980 to July 2012 and hand-searched bibliographies and key journals. RCTs that evaluated formally trained CNSs and health system outcomes were included. Study quality was assessed using the Cochrane risk of bias tool and the Quality of Health Economic Studies instrument. We used the Grading of Recommendations Assessment, Development and Evaluation to assess quality of evidence for individual outcomes. RESULTS: Eleven RCTs, four evaluating alternative provider (n = 683 participants) and seven evaluating complementary provider roles (n = 1464 participants), were identified. Results of the alternative provider RCTs (low-to-moderate quality evidence) were fairly consistent across study populations with similar patient outcomes to usual care, some evidence of reduced resource use and costs, and two economic analyses (one fair and one high quality) favouring CNS care. Results of the complementary provider RCTs (low-to-moderate quality evidence) were also fairly consistent across study populations with similar or improved patient outcomes and mostly similar health system outcomes when compared with usual care; however, the economic analyses were weak. CONCLUSIONS: Low-to-moderate quality evidence supports the effectiveness and two fair-to-high quality economic analyses support the cost-effectiveness of outpatient alternative provider CNSs. Low-to-moderate quality evidence supports the effectiveness of outpatient complementary provider CNSs; however, robust economic evaluations are needed to address cost-effectiveness.
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 | 0,024 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,010 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,002 |
| 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 ».