Referral and access to heart function clinics: A realist review
Notice bibliographique
Résumé
RATIONALE, AIM, AND OBJECTIVES: Heart failure (HF) clinics are highly effective, yet not optimally utilized. A realist review was performed to identify contexts (eg, health system characteristics, clinic capacity, and siting) and underlying mechanisms (eg, referring provider knowledge of clinics and referral criteria, barriers in disadvantaged patients) that influence utilization (provider referral [ie, of all appropriate and no inappropriate patients] and access [ie, patient attends ≥1 visit]) of HF clinics. METHODS: Following an initial scoping search and field observation in a HF clinic, we developed an initial program theory in conjunction with our expert panel, which included patient partners. Then, a literature search of seven databases was searched from inception to December 2019, including Medline; Grey literature was also searched. Studies of any design or editorials were included; studies regarding access to cardiac rehabilitation, or a single specialist for example, were excluded. Two independent reviewers screened the abstracts, and then full-texts. Relevant data from included articles were used to refine the program theory. RESULTS: A total of 29 papers from five countries (three regions) were included. There was limited information to support or refute many elements of our initial program theory (eg, referring provider knowledge/beliefs, clinic inclusion/exclusion criteria), but refinements were made (eg, specialized care provided in each clinic, lack of patient encouragement). Lack of capacity, geography, and funding arrangements were identified as contextual factors, explaining a range of mechanistic processes, including patient clinical characteristics and social determinants of health as well as clinic characteristics that help to explain inappropriate and low use of HF clinics (outcome). CONCLUSION: Given the burden of HF and benefit of HF clinics, more research is needed to understand, and hence overcome sub-optimal use of HF clinics. In particular, an understanding from the perspective of referring providers is needed.
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 | 0,035 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,025 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».