Factors influencing the reporting of adverse medical device events: qualitative interviews with physicians about higher risk implantable devices
Notice bibliographique
Résumé
BACKGROUND: Postmarket surveillance of medical devices is reliant on physician reporting of adverse medical device events (AMDEs). Little is known about factors that influence whether and how physicians report AMDEs, an essential step in developing behaviour change interventions. This study explored factors that influence AMDE reporting. METHODS: Qualitative interviews were conducted with physicians who differed by specialties that implant cardiovascular and orthopaedic devices prone to AMDEs, geography and years in practice. Participants were asked if and how they reported AMDEs, and the influencing factors. Themes were identified inductively using constant comparative technique, and reviewed and discussed by the research team on four occasions. RESULTS: Twenty-two physicians of varying specialty, region, organisation and career stage perceived AMDE reporting as unnecessary, not possible or futile due to multiple factors. Physicians viewed AMDEs as an expected part of practice that they could manage by switching to different devices or developing work-around strategies for problematic devices. Physician beliefs and behaviour were reinforced by limited healthcare system capacity and industry responsiveness. The healthcare system lacked processes and infrastructure to detect, capture, share and act on information about AMDEs, and constrained device choice through purchasing contracts. The device industry did not respond to reports of AMDEs from physicians or improve their products based on such reports. As a result, participants said they used devices that were less than ideal for a given patient, leading to suboptimal patient outcomes. CONCLUSIONS: There may be little point in solely educating or incentivising individual physicians to report AMDEs unless environmental conditions are conducive to doing so. Future research should explore policies that govern AMDEs and investigate how to design and implement postmarket surveillance systems.
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 | 0,018 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».