Determinants of clinical practice guidelines’ utilization for the management of musculoskeletal disorders: a scoping review
Notice bibliographique
Résumé
CONTEXT: Many clinical practice guidelines have been developed for the management of musculoskeletal disorders (MSDs). However, there is a gap between evidence-based knowledge and clinical practice, and reasons are poorly understood. Understanding why healthcare providers use clinical practice guidelines is essential to improve their implementation, dissemination, and adherence. AIM: To identify determinants of clinical practice guidelines' utilization by health care providers involved in the assessment and management of MSDs. METHOD: A scoping review of the literature was conducted. Three databases were searched from inception to March 2021. Article identification, study design, methodological quality, type of healthcare providers, MSDs, barriers and facilitators associated with guidelines' utilization were extracted from selected articles. RESULTS: 8671 citations were retrieved, and 43 articles were selected. 51% of studies were from Europe, and most were quantitative studies (64%) following a cross-sectional design (88%). Almost 80% of articles dealt with low back pain guidelines, and the most studied healthcare providers were general practitioners or physiotherapists. Five main barriers to guideline utilization were expressed by providers: 1) disagreement between recommendations and patient expectations; 2) guidelines not specific to individual patients; 3) unfamiliarity with "non-specific" term, or with the bio psychosocial model of MSDs; 4) time consuming; and 5) heterogeneity in guideline methods. Four main facilitators to guideline utilization were cited: 1) clinician's interest in evidence-based practice; 2) perception from clinicians that the guideline will improve triage, diagnosis and management; 3) time efficiency; and 4) standardized language. CONCLUSION: Identifying modifiable determinants is the first step in developing implementation strategies to improve guideline utilization in clinical practice.
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 | 0,053 | 0,265 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,028 | 0,037 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| 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 ».