MétaCan
Menu
Retour à la cohorte
Enregistrement W4385791435 · doi:10.1136/ebm-2023-pod.11

11 Enablers and barriers related to quaternary prevention from a range of perspectives: a descriptive study using semi-structured interviews

2023· article· en· W4385791435 sur OpenAlexaffabout
Maria Llargués Pou, Jessica Otte

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensUniversity of British ColumbiaIsland Health
Organismes subventionnairesnon disponible
Mots-clésNonprobability samplingGrounded theoryPsychological interventionQualitative researchContext (archaeology)PsychologyInfluencer marketingHealth careMedical educationNursingApplied psychologyKnowledge managementMedicineSociologyBusinessComputer scienceEnvironmental healthPolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Background With global concern about sustainability in health care, there is growing interest in the impacts of ‘overuse’ on patients and systems and calls for addressing this problem. The concept of quaternary prevention (P4), a strategy to protect patients from medical interventions in which harms outweigh benefits, is well-positioned to provide solutions, yet has not been widely adopted. We sought to identify enablers and barriers to a P4 approach, according to field experts and advocates in one health system. Methods We conducted a qualitative study using Grounded Theory approach. Field experts in British Columbia, Canada were recruited based on their interest and work related to P4 and related concepts using purposive and theoretical sampling. Qualitative in-depth interviews (n = 12) with a semi-structured interview guide were conducted virtually and transcribed. Inductive and deductive coding approaches were used for analysis, and codes were grouped into themes. We created a conceptual model to visually demonstrate relationships between barriers and enablers of P4. Results We extracted four broad enablers of P4: evidence-based medicine, personal experiences and questioning attitude, public P4 campaigns, and experience in resource-poor contexts. There were six barriers: peer pressure between clinicians, awareness & screening campaigns, cognitive biases, cultural factors, complexity of the problem, and industry influence. Four factors were seen as promoting or hindering P4 efforts depending on context: relationship between patient and clinician, education of clinicians and the public, health system design, and influencers. Conclusions Elicited facilitators and impediments to P4 were similar to those seen in existing literature, but framed uniquely; our findings place increased emphasis on the clinician-patient relationship as central to decision-making, and position other drivers as influencing this relationship. It is the complex interplay between factors that determines whether a patient receives care that is appropriate to their needs and goals, and whether the planning of that care incorporates the intention of minimizing the harms of tests and treatments. A transition to a model of care that explicitly integrates conscious protection of patients will require increased evaluation of potential solutions and changes across health systems and society.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,007
Communication savante0,0050,006
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,540
Tête enseignante GPT0,539
Écart entre enseignants0,000 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHealthcare cost, quality, practicesTravaux en français237 207