Notice bibliographique
Résumé
RATIONALE AND AIMS: Evidence-based medicine (EBM) has gained worldwide attention. Many studies have used questionnaires to discuss factors obstructing the practice of EBM. However, no large-scale data analysis has focused on who has practised EBM and when they practised it. This retrospective study aims to fill the research gap by applying nationally representative data to analyse EBM practice after the provision of new evidence regarding the prescription of rosiglitazone which has been shown to increase the risk of myocardial infarction. METHODS: We used the National Health Insurance Database in Taiwan to analyse the variations in rosiglitazone prescription among physicians. The study period was from the second quarter of 2007 to the fourth quarter of 2008. A total of 2536 physicians who prescribed rosiglitazone at least once were included in this study. We applied multivariate logistic analyses to predict the probability of physicians ceasing to prescribe rosiglitazone. RESULTS: We observed a significant improvement in EBM practice among specialists and experienced physicians. Endocrinologists were four times more likely to change rosiglitazone prescription habits than other specialists (odds ratio 4.129, 95% confidence interval 2.484-6.863). Doctors with more than 10 years of specialist experience performed better in EBM practice. Moreover, a prominent time lag with more than 6 months between EBM emergence and EBM practice was noticed. CONCLUSIONS: Our study suggested that EBM was still not well practised, using rosiglitazone prescription as a study case. Further education and encouragement to strengthen physicians' EBM practice remain urgently needed within the medical community.
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 | 0,038 | 0,221 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».