Low-value clinical practices in injury care: A scoping review and expert consultation survey
Notice bibliographique
Résumé
BACKGROUND: Tests and treatments that are not supported by evidence and could expose patients to unnecessary harm, referred to here as low-value clinical practices, consume up to 30% of health care resources. Choosing Wisely and other organizations have published lists of clinical practices to be avoided. However, few apply to injury and most are based uniquely on expert consensus. We aimed to identify low-value clinical practices in acute injury care. METHODS: We conducted a scoping review targeting articles, reviews and guidelines that identified low-value clinical practices specific to injury populations. Thirty-six experts rated clinical practices on a five-point Likert scale from clearly low value to clearly beneficial. Clinical practices reported as low value by at least one level I, II, or III study and considered clearly or potentially low-value by at least 75% of experts were retained as candidates for low-value injury care. RESULTS: Of 50,695 citations, 815 studies were included and led to the identification of 150 clinical practices. Of these, 63 were considered candidates for low-value injury care; 33 in the emergency room, 9 in trauma surgery, 15 in the intensive care unit, and 5 in orthopedics. We also identified 87 "gray zone" practices, which did not meet our criteria for low-value care. CONCLUSION: We identified 63 low-value clinical practices in acute injury care that are supported by empirical evidence and expert opinion. Conditional on future research, they represent potential targets for guidelines, overuse metrics and de-implementation interventions. We also identified 87 "gray zone" practices, which may be interesting targets for value-based decision-making. Our study represents an important step toward the deimplementation of low-value clinical practices in injury care. LEVEL OF EVIDENCE: Systematic Review, Level IV.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».