MétaCan
Menu
Retour à la cohorte
Enregistrement W3025449736 · doi:10.1161/hcq.13.suppl_1.210

Abstract 210: Implementation of Appropriate Use Criteria for Cardiology Tests and Procedures: A Systematic Review and Meta-analysis

2020· review· en· W3025449736 sur OpenAlexaff
David E. Winchester, Justin Merritt, Nida Waheed, Hannah Norton, Veena Manja, Nishant R. Shah, Christian D. Helfrich

Notice bibliographique

RevueCirculation Cardiovascular Quality and Outcomes · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensGolder Associates (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineMEDLINEMeta-analysisCINAHLSystematic reviewProtocol (science)Data extractionConfidence intervalOdds ratioRandomized controlled trialFunnel plotPublication biasIntensive care medicineInternal medicinePsychological interventionAlternative medicineNursing

Résumé

récupéré en direct d'OpenAlex

Background: The American College of Cardiology appropriate use criteria (AUC) provide clinicians with evidence-informed recommendations for cardiac care. Adopting AUC into clinical workflows may present challenges, and there may be specific implementation strategies that are effective in promoting effective use of AUC. We sought to assess the effect of implementing AUC in clinical practice. Methods: We conducted a meta-analysis of studies found through a systematic search of the MEDLINE, Web of Science, Cochrane, or CINAHL databases. Peer-reviewed manuscripts published after 2005 that reported on the implementation of AUC for a cardiovascular test or procedure were included. The analysis protocol was submitted a priori to the PROSPERO international prospective register of systematic reviews. We used a structured data extraction spreadsheet for elements such as study design, implementation strategy, and primary outcome. Results: We included 18 studies, the majority used pre/post cohort designs; few (n=3) were randomized trials. Most studies used multiple strategies (n=12, 66.7%). Education was the most common individual intervention strategy (n=13, 72.2%), followed by audit & feedback (n=8, 44.4%) and computerized physician order entry (CPOE) (n=6, 33.3%). No studies reported on formal use of stakeholder engagement or “nudges”. In meta-analysis, AUC implementation was associated with a reduction in inappropriate/rarely appropriate care (odds ratio 0.62, 95 % confidence interval 0.49-0.78). Funnel plot suggests the possibility of publication bias. Conclusions: We found most published efforts to implement AUC succeeded at reducing inappropriate/rarely appropriate care. Studies rarely explored how or why the implementation strategy was effective. Because interventions were infrequently tested in isolation, it is difficult to make observations about their effectiveness as stand-alone strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0150,007
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,706
Tête enseignante GPT0,622
Écart entre enseignants0,085 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation Cardiovascular Quality and OutcomesMême sujetEthics in Clinical ResearchTravaux en français237 207