MétaCan
Menu
Retour à la cohorte
Enregistrement W4411080388 · doi:10.3171/2025.3.peds2514

Surgeon perceptions and utilization of evidence-based medicine

2025· article· en· W4411080388 sur OpenAlexaff
Mandeep S. Tamber, Hailey Jensen, Ron Reeder, Jason Clawson, Nichol Nunn, John R. W. Kestle

Notice bibliographique

RevueJournal of Neurosurgery Pediatrics · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineKnowledge translationPerioperativeEvidence-based medicineEvidence-based practiceScientific evidenceHealth careMEDLINEPerceptionProtocol (science)Family medicinePsychologyAlternative medicineSurgeryPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Knowledge translation approaches for augmenting the use of evidence in medical practice require identifying potential barriers to implementation. Important but poorly understood determinants of the uptake of knowledge translation tools are the intrinsic characteristics of health professionals themselves. In this study, the authors explored how surgeons' perceptions of evidence-based medicine (EBM) and their behavior in response to new evidence affect their awareness and use of evidence-based summaries designed for application at the point of care. METHODS: Faculty surgeons in two North American pediatric Hydrocephalus Clinical Research Networks, who had shunt infection prevention protocol compliance data for more than 10 shunt procedures in their respective clinical registries during the study period (September 2021-March 2023), participated in a cross-sectional survey regarding their attitudes, knowledge, and behaviors related to EBM and evidence-based practice. Univariable associations between these surgeon characteristics and two dependent variables were sought: 1) compliance with the steps of a perioperative protocol designed to minimize the incidence of shunt infection and 2) knowledge of evidence-based guidelines and recommendations relevant to the care of children with hydrocephalus. RESULTS: Ninety-two of 212 eligible surgeons responded to the survey. Most were inclined to implement new evidence in surgical practice. Compliance with the shunt infection prevention protocol was higher for those whose responses about their behavior in response to new information on the effectiveness of clinical strategies suggested that they value evidence over experience (i.e., those who actively seek or are receptive to new evidence) compared to those whose practice is driven by practical and pragmatic considerations (OR 5.27, 95% CI 1.08-25.74 for seekers and OR 4.32, 95% CI 1.48-12.58 for receptives vs pragmatists, p = 0.01). Overall knowledge of pediatric hydrocephalus-related guidelines was modest. Surgeons with a more favorable attitude toward the construct of EBM tended to correctly identify most of the published guideline statements presented to them (OR 1.07, 95% CI 1.00-1.16 for every 10-point increment on a 100-point visual analog scale, p = 0.05). CONCLUSIONS: The authors demonstrate that surgeons have variable knowledge of, and behave differently to, evidence that should influence care. Measurable surgeon characteristics are associated with the application of evidence in surgical practice. Thus, to improve the use of evidence-based summaries at the point of care, surgeon attitudes and behaviors should be assessed when designing knowledge translation interventions.

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)0,009
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,071
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,427
Tête enseignante GPT0,527
Écart entre enseignants0,100 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neurosurgery PediatricsMême sujetHealth Sciences Research and EducationTravaux en français237 207