Qualitative study of cardiologists’ perceptions of factors influencing clinical practice decisions
Notice bibliographique
Résumé
BACKGROUND: Healthcare costs are increasing in the USA and Canada and a substantial portion of health spending is devoted to services that do not improve health outcomes. Efforts to reduce waste by adopting evidence-based clinical practice guideline recommendations have had limited success. We sought insight into improving health system efficiency through understanding cardiologists' perceptions of factors that influence clinical decision-making. METHODS: In this descriptive qualitative study, we conducted in-depth interviews with 18 American and 3 Canadian cardiologists. We used conventional content analysis including inductive and deductive approaches for data analysis and mapped findings to the ecological systems framework. RESULTS: Physicians reported that major determinants of practice included interpersonal interactions with peers, patients and administrators; financial incentives and system factors. Patients' insurance status represented an important consideration for some cardiologists. Other major influences included time constraints, fear of litigation (less prominent in Canada), a sense that their obligation was never to miss any underlying pathology, and patient demands. The need to bring income into their health system influenced American cardiologists' practice; personal income implications influenced Canadian cardiologists' practice. Cardiologists reported that knowledge limitations and logistical challenges limit their ability to assist patients with cost considerations. All these considerations were more influential than guidelines; some cardiologists expressed a high level of scepticism regarding guidelines. CONCLUSIONS: Clinical decision-making by cardiologists is shaped by individual, interpersonal, organisational, environmental, financial and sociopolitical influences and only to a limited extent by guideline recommendations. Successful strategies to achieve efficient, evidence-based care will require addressing socioecological influences on decision-making.
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 | 0,014 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,010 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».