What is the effectiveness of printed educational materials on primary care physician knowledge, behaviour, and patient outcomes: a systematic review and meta-analyses
Notice bibliographique
Résumé
BACKGROUND: Printed educational materials (PEMs) are commonly used simple interventions that can be used alone or with other interventions to disseminate clinical evidence. They have been shown to have a small effect on health professional behaviour. However, we do not know whether they are effective in primary care. We investigated whether PEMs improve primary care physician (PCP) knowledge, behaviour, and patient outcomes. METHODS: We conducted a systematic review of PEMs developed for PCPs. Electronic databases were searched for randomized controlled trials, quasi randomized controlled trials, controlled before and after studies, and interrupted time series. We combined studies using meta-analyses when possible. Statistical heterogeneity was examined, and meta-analysis was performed using a random effects model when significant statistical heterogeneity was present and a fixed effects model otherwise. The template for intervention description and replication (TIDieR) checklist was used to assess the quality of intervention description. RESULTS: Our search identified 12,439 studies and 40 studies met our inclusion criteria. We combined outcomes from 26 studies in eight meta-analyses. No significant effect was found on clinically important patient outcomes, physician behaviour, or physician cognition when PEMs were compared to usual care. In the 14 studies that could not be included in the meta-analyses, 14 of 71 outcomes were significantly improved following receipt of PEMs compared to usual care. Most studies lacked details needed to replicate the intervention. CONCLUSIONS: PEMs were not effective at improving patient outcomes, knowledge, or behaviour of PCPs. Further trials should explore ways to optimize the intervention and provide detailed information on the design of the materials. PROTOCOL REGISTRATION: PROSPERO, CRD42013004356.
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 | 0,033 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,031 | 0,064 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».