Reporting of costs and economic impacts in randomized trials of de-implementation interventions for low-value care: a systematic scoping review
Notice bibliographique
Résumé
BACKGROUND: De-implementation of low-value care can increase health care sustainability. We evaluated the reporting of direct costs of de-implementation and subsequent change (increase or decrease) in health care costs in randomized trials of de-implementation research. METHODS: We searched MEDLINE and Scopus databases without any language restrictions up to May 2021. We conducted study screening and data extraction independently and in duplicate. We extracted information related to study characteristics, types and characteristics of interventions, de-implementation costs, and impacts on health care costs. We assessed risk of bias using a modified Cochrane risk-of-bias tool. RESULTS: We screened 10,733 articles, with 227 studies meeting the inclusion criteria, of which 50 included information on direct cost of de-implementation or impact of de-implementation on health care costs. Studies were mostly conducted in North America (36%) or Europe (32%) and in the primary care context (70%). The most common practice of interest was reduction in the use of antibiotics or other medications (74%). Most studies used education strategies (meetings, materials) (64%). Studies used either a single strategy (52%) or were multifaceted (48%). Of the 227 eligible studies, 18 (8%) reported on direct costs of the used de-implementation strategy; of which, 13 reported total costs, and 12 reported per unit costs (7 reported both). The costs of de-implementation strategies varied considerably. Of the 227 eligible studies, 43 (19%) reported on impact of de-implementation on health care costs. Health care costs decreased in 27 studies (63%), increased in 2 (5%), and were unchanged in 14 (33%). CONCLUSION: De-implementation randomized controlled trials typically did not report direct costs of the de-implementation strategies (92%) or the impacts of de-implementation on health care costs (81%). Lack of cost information may limit the value of de-implementation trials to decision-makers. TRIAL REGISTRATION: OSF (Open Science Framework): https://osf.io/ueq32 .
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 | 0,169 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; 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 ».