Better Prescribing Project: a randomized controlled trial of the impact of case-based educational modules and personal prescribing feedback on prescribing for hypertension in primary care
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to assess the impacts of individualized prescribing feedback and interactive small group education aimed at encouraging evidence-based prescribing in family/general practice. METHODS: A two-by-two factorial randomized controlled trial was carried out involving 200 family physicians in British Columbia, Canada. The physicians met monthly in 28 peer learning groups within the Practice-Based Small Group (PBSG) learning programme. Personalized prescribing feedback related to hypertension was provided through 'prescribing portraits' which graphically displayed comparative rates of individual and peer group prescribing, together with a concise guide for evidence-based prescribing. A case-based educational module, containing the same evidence-based message, was discussed in small groups. Groups were matched and randomized into four arms of seven groups each: control (n = 56), prescribing portrait only (n = 48), educational module only (n = 47), both portrait and module (n = 49). The main outcome measure was changes in 'prescribing preferences' to new patients among those medications used to treat hypertension (i.e. probability that a patient would receive the evidence-based medication as first-line therapy). RESULTS: Using data from the provincial pharmacy registry (PharmaNet), prescribing preferences for antihypertensive agents were determined for all groups for a 6 month period before and after the interventions, based on 4394 patients receiving a first-line antihypertensive. Significant absolute increases in prescribing preference for thiazides were documented for both the module +0.068 (confidence interval [CI] 0.022-0.115) and the portrait +0.065 (CI 0.018-0.111). Preference in the group receiving both module and portrait increased by +0.115 (CI 0.040-0.189). CONCLUSIONS: Evidence-based educational interventions combining personalized prescribing feedback with interactive group discussion can lead to modest but meaningful changes in physician prescribing. Clear messages, proper trial design and sensitive outcomes are necessary to demonstrate these changes.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».