Variation in medical practice: getting the balance right
Notice bibliographique
Résumé
Contemporary clinical practice is characterized by its complexity as the volume and diversity of medical interventions, whether they are drugs, procedures or diagnostic tests, are increasing and threaten to overwhelm our capacity to deliver patient-centred care. Consider some statistics: the average American citizen can expect to undergo seven operations in their lifetime, 10% will undergo an MRI scan annually (three times higher than the rate in neighbouring Canada) and 50% of Medicare beneficiaries are prescribed five or more medications. In Ireland, one-fifth of the whole population aged over 70 years are taking long-term Proton Pump Inhibitor (PPI) therapy.1–3 The consequences of this phenomenon for patients in terms of benefit (increase quantity and quality of life) versus harm (medicalization of a person, side effects of therapies and costs to the health service budget) give rise to questions concerning the epidemiology of health care utilization and how it differs between and within countries. Seminal work carried out by John Wennberg, a health services researcher and epidemiologist who developed the Dartmouth Atlas Health Project (www.dartmouthatlas.org), has produced an emerging science that examines variation in medical practice and raises important questions about what constitutes ‘appropriate’ health care. This editorial outlines the taxonomy of medical practice variation with clinical examples showing how it relates to family medicine. Medical practice variation may be grouped into three categories each with different implications for patients, clinicians and policy makers.4
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 | 0,073 | 0,241 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,009 | 0,047 |
| Communication savante | 0,028 | 0,065 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,020 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».