MétaCan
Menu
Retour à la cohorte
Enregistrement W4285797417 · doi:10.3390/curroncol29070403

Choosing Wisely—Barriers and Solutions to Implementation in Low and Middle-Income Countries

2022· review· en· W4285797417 sur OpenAlexaffvenue
Fidel Rubagumya, Manju Sengar, Sidy Ka, Nazik Hammad, Christopher M. Booth, Safiya Karim

Notice bibliographique

RevueCurrent Oncology · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensUniversity of CalgaryQueen's University
Organismes subventionnairesnon disponible
Mots-clésLow and middle income countriesHealth careMedicineHealthcare systemLow incomeIntervention (counseling)Order (exchange)Developing countryNursingBusinessEconomic growthEconomicsSocioeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Globally, there is increasing emphasis on value-based cancer care. Rising healthcare costs and reduced health care spending and budgets, especially in low- and middle-income countries (LMICs), call for patients, providers, and healthcare systems to apply the Choose Wisely (CW) approach. This approach seeks to advance a dialogue on avoiding unnecessary medical tests, treatments, and procedures. Several factors have been described as barriers and facilitators to the implementation of the Choosing Wisely recommendations in high-income countries but none for LMICs. In this review, we attempt to classify potential barriers to the Choose Wisely implementation relative to the sources of behavior and potential intervention functions that can be implemented in order to reduce these barriers.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,808
Tête enseignante GPT0,673
Écart entre enseignants0,135 · 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'étudeSans objet
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

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetHealthcare cost, quality, practicesTravaux en français237 207