Can guidelines improve referral to elective surgical specialties for adults? A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: To assess effectiveness of guidelines for referral for elective surgical assessment. METHOD: Systematic review with descriptive synthesis. DATA SOURCES: Medline, EMBASE, CINAHL and Cochrane database up to 2008. Hand searches of journals and websites. SELECTION OF STUDIES: Studies evaluated guidelines for referral from primary to secondary care, for elective surgical assessment for adults. OUTCOME MEASURES: Appropriateness of referral (usually measured as guideline compliance) including clinical appropriateness, appropriateness of destination and of pre-referral management (eg, diagnostic investigations), general practitioner knowledge of referral appropriateness, referral rates, health outcomes and costs. RESULTS: 24 eligible studies (5 randomised control trials, 6 cohort, 13 case series) included guidelines from UK, Europe, Canada and the USA for referral for musculoskeletal, urological, ENT, gynaecology, general surgical and ophthalmological conditions. Interventions varied from complex ("one-stop shops") to simple guidelines. Four randomized control trials reported increases in appropriateness of pre-referral care (diagnostic investigations and treatment). No evidence was found for effects on practitioner knowledge. Mixed evidence was reported on rates of referral and costs (rates and costs increased, decreased or stayed the same). Two studies reported on health outcomes finding no change. CONCLUSIONS: Guidelines for elective surgical referral can improve appropriateness of care by improving pre-referral investigation and treatment, but there is no strong evidence in favour of other beneficial effects.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle