MétaCan
Menu
Retour à la cohorte
Enregistrement W4205882043 · doi:10.1186/s13012-021-01177-1

Using theories and frameworks to understand how to reduce low-value healthcare: a scoping review

2022· review· en· W4205882043 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueImplementation Science · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensNorth York General HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCINAHLScopusHealth careInclusion (mineral)Psychological interventionHealth administrationMEDLINEValue (mathematics)Health services researchHarmMedicineHealth informaticsPublic healthApplied psychologyPsychologyNursingComputer scienceSocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is recognition that the overuse of procedures, testing, and medications constitutes low-value care which strains the healthcare system and, in some circumstances, can cause unnecessary stress and harm for patients. Initiatives across dozens of countries have raised awareness about the harms of low-value care but have had mixed success and the levels of reductions realized have been modest. Similar to the complex drivers of implementation processes, there is a limited understanding of the individual and social behavioral aspects of de-implementation. While researchers have begun to use theory to elucidate the dynamics of de-implementation, the research remains largely atheoretical. The use of theory supports the understanding of how and why interventions succeed or fail and what key factors predict success. The purpose of this scoping review was to identify and characterize the use of theoretical approaches used to understand and/or explain what influences efforts to reduce low-value care. METHODS: We conducted a review of MEDLINE, EMBASE, CINAHL, and Scopus databases from inception to June 2021. Building on previous research, 43 key terms were used to search the literature. The database searches identified 1998 unique articles for which titles and abstracts were screened for inclusion; 232 items were selected for full-text review. RESULTS: Forty-eight studies met the inclusion criteria. Over half of the included articles were published in the last 2 years. The Theoretical Domains Framework (TDF) was the most commonly used determinant framework (n = 22). Of studies that used classic theories, the majority used the Theory of Planned Behavior (n = 6). For implementation theories, Normalization Process Theory and COM-B were used (n = 7). Theories or frameworks were used primarily to identify determinants (n = 37) and inform data analysis (n = 31). Eleven types of low-value care were examined in the included studies, with prescribing practices (e.g., overuse, polypharmacy, and appropriate prescribing) targeted most frequently. CONCLUSIONS: This scoping review provides a rigorous, comprehensive, and extensive synthesis of theoretical approaches used to understand and/or explain what factors influence efforts to reduce low-value care. The results of this review can provide direction and insight for future primary research to support de-implementation and the reduction of low-value care.

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.

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)0,021
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,767
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0040,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,894
Tête enseignante GPT0,746
Écart entre enseignants0,148 · 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