Measuring overuse: a deceptively complicated endeavour
Notice bibliographique
Résumé
Choosing Wisely is a campaign aimed at reducing unnecessary tests, procedures and treatments.1 The goals of the campaign have been to both reduce healthcare expenditures and to prevent harms associated with inappropriate care—such as adverse effects of medications or radiation exposure from unwarranted imaging. The premise is clear and rather simple—do not order something the patient does not need. Yet, when applying a rigorous scientific improvement lens to reducing overuse, measurement nuances make evaluating this phenomenon anything but simple. Appropriateness is specific to clinical scenarios rather than being a representative property intrinsically coupled with individual tests or procedures. Assigning a label of ‘unnecessary’ to a test requires defining the target denominator, which can include a defined patient population, indication and/or test (ie, it is unnecessary to perform imaging for patients with low-back pain without risk factors). When quantifying appropriate use of a test or procedure, differences in the characterisation of the denominator will naturally affect the findings; this makes comparisons challenging when there is a lack of standardisation across measurement methodologies. In this issue of BMJ Quality & Safety , Muskens and colleagues present a systematic review of studies published up to February 2020 reporting the prevalence of low-value diagnostic testing.2 Studies were conducted in both ambulatory care and hospital settings; the findings yield prevalence estimates for the overuse of tests according to relevant guidelines such as Choosing Wisely, ‘Do not do recommendations’, the English National Institute for Health and Care Excellence and those from professional societies. As part of their analysis, Muskens and colleagues classify studies based on the category used for the denominator (referred to as ‘lenses’). Two categories or lenses are identified: (1) the service-centric lens that calculates the proportion of test indications defined as low value and (2) the patient-centric lens that determines the …
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 | 0,025 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,005 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».