Implementation of Evidence-Based Medicine in Primary Care Through the Use of Encounter Shared Decision Making Tools: The ShareEBM Pragmatic Trial
Notice bibliographique
Résumé
ABSTRACT BACKGROUND While decision aids have been proven effective to facilitate patient-centered discussion about evidence-based health information in practice and enable shared decision making (SDM), a chasm remains between the promise and the use of these SDM tools in practice. AIMS To promote evidence-based patient-centered care in primary care by using encounter SDM tools for medication management of chronic conditions. METHODS We conducted a mixed methods study centered around a practice-based, multi-centered pragmatic randomized trial comparing active implementation (active) to passive dissemination (passive) of a web-based toolkit, ShareEBM, to facilitate the uptake in primary care of four SDM tools designed for use during clinical encounters. These tools supported collaborative decisions about medications for chronic conditions. ShareEBM included activities and tactics to increase the likelihood that encounter SDM tools will be routinized in practice. Study team members worked closely with practices in the active arm to actively integrate and promote the use of SDM tools; passive arm practices received no support from the study team. The embedded qualitative evaluation included clinician phone interviews (n=10) and site observations (n=5) for active practices, and exit focus groups for all practices (n=11). RESULTS Eleven practices and 62 clinicians participated in the study. Clinicians in the active arm used SDM tools in 621 encounters (Mean [SD]: 21 [25] encounters per clinician, range: 0-93) compared to 680 in the passive arm (Mean [SD]: 20 [40] encounters per clinician, range: 0-156, p=0.4). Six of 29 (21%) clinicians in the active arm and 14 of 33 (42%) in the passive arm did not use any tools (p=0.1). Clinicians’ views covered four major themes: general views of using encounter SDM tools, perceived impact on patients, strategies used, and how encounter SDM tools are incorporated into practice flow. CONCLUSION Neither active nor passive implementation of a toolkit improved the uptake and use of encounter SDM tools in primary care. Overcoming clinician reluctance to consider using encounter SDM tools, their seamless integration into the electronic and practice workflows, and ongoing feedback about the quality of their use during encounters appear necessary to implement their use in primary care practices.
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 | 0,015 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».