Implementation and Impact of Choosing Wisely Recommendations in Oncology
Notice bibliographique
Résumé
The Choosing Wisely (CW) campaign, launched in 2012, includes oncology-specific recommendations to promote evidence-based care and deimplementation of low-value practices. However, it is unclear to what extent the campaign has prompted practice change. We systematically reviewed the literature to evaluate the uptake of cancer-specific CW recommendations focusing on the period before the declaration of the COVID-19 pandemic. We used Grimshaw's deimplementation framework to thematically group the findings and extracted information on implementation strategies, barriers, and facilitators from articles reporting on active implementation. In the 98 articles addressing 32 unique recommendations, most reported on passive changes in adherence pre-post publication of CW recommendations. Use of active surveillance for low-risk prostate cancer and reduction in staging imaging for early breast cancer were the most commonly evaluated recommendations. Most articles assessing passive changes in adherence pre-post CW publication reported improvement. All articles evaluating active implementation (10 of 98) reported improved compliance (range: 3%-73% improvement). Most common implementation strategies included provider education and/or stakeholder engagement. Preconceived views and reluctance to adopt new practices were common barriers; common facilitators included the use of technology and provider education to increase provider buy-in. Given the limited uptake of oncology-specific CW recommendations thus far, more attention toward supporting active implementation is needed. Effective adoption of CW likely requires a multipronged approach that includes building stakeholder buy-in through engagement and education, using technology-enabled forced functions to facilitate change along with policy and reimbursement models that disincentivize low-value care. Professional societies have a role to play in supporting this next phase of CW.
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 | 0,079 | 0,264 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 ».