MétaCan
Menu
Retour à la cohorte
Enregistrement W2149429304 · doi:10.1136/ebn.8.2.36

The paths from research to improved health outcomes

2005· article· en· W2149429304 sur OpenAlexaff
Paul Glasziou, Brian Haynes

Notice bibliographique

RevueEvidence-Based Nursing · 2005
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineHarmBest practiceHealth careEvidence-based practiceEvidence-based medicineNursingAlternative medicineMedical educationMedical emergencyIntensive care medicineFamily medicinePsychologySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Evidence-based practice aims to provide clinicians and patients with choices about the most effective care based on the best available research evidence. To patients, this is a natural expectation. To clinicians, this is a near impossible dream. The US report Bridging the quality chasm has documented and drawn attention to the gap between what we know and what we do.1 The report identified 3 types of quality problems—overuse, underuse, and misuse. It suggested “The burden of harm conveyed by the collective impact of all of our healthcare quality problems is staggering.” Although attention has focused on misuse (or error), a larger portion of the preventable burden is likely to be the evidence-practice gaps of underuse and overuse. Research that should change practice is often ignored for years—for example, crystalloid (rather than colloid) for shock,2 supine position after lumbar puncture,3 bed rest for any medical condition,3 and appropriate use of anticoagulants and aspirin in patients with atrial fibrillation.4 Antman et al documented the substantial delays between cardiovascular trial results and textbook recommendations.5 However, even when best practices are well known, they are often poorly implemented: national surveys show that most hypertensive patients are undetected, untreated, or inadequately controlled,6 which has led to the current interest in knowledge translation.7 What role does evidence-based practice 8 have in bridging the research-practice gap? Surveys of clinicians suggest that a major barrier to using current research evidence is the time, effort, and skills needed to access the right information among the massive volumes of research.9 Even for a (mythical) up to date clinician, the problem of maintaining currency is immense. Each year Medline indexes >560 000 new articles, and Cochrane Central adds about 20 000 new randomised trials. This is about 1500 new articles and 55 …

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,216
score de la tête « metaresearch » (Gemma)0,331
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,967

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2160,331
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0060,003
Bibliométrie0,0090,009
Études des sciences et des technologies0,0050,033
Communication savante0,0220,058
Science ouverte0,0070,026
Intégrité de la recherche0,0220,044
Charge utile insuffisante (le modèle a refusé de juger)0,0390,008

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.

Tête enseignante Opus0,808
Tête enseignante GPT0,662
Écart entre enseignants0,146 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations283
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence-Based NursingMême sujetHealthcare cost, quality, practicesTravaux en français237 207