Dissemination and Implementation Science for Oral Health: Why not consider de-implementation of low-value care to target oral health equity?
Notice bibliographique
Résumé
Dissemination and implementation sciences provide oral health professionals with an opportunity to understand which determinants promote the adoption of evidence-based innovations and interventions. Within this dynamic field, de-implementation provides the other side of the coin, that is, finding the ways to halt or modify practices that may be harmful to patients, do not hold sufficient scientific backing, or are simply not cost-efficient; conjointly known as low-value care. Scrutinizing low-value care procedures in oral health is essential, as identifying such practices creates opportunities to replace, update, or enhance them with approaches that offer greater benefits to patients, practitioners, and healthcare systems. Effective de-implementation begins with a clear understanding of which low-value practices persist. Only then can we conceptualize strategies to overcome barriers and promote more efficient, evidence-based care within the field. Furthermore, de-implementation can serve as a way to target oral health equity, as shifting away from low value care practices can lead to the better use of human and economic resources in those places where it is needed most. This commentary serves as a conceptualization of de-implementation within oral health, as well as, an invitation for the broader community to reflect on the importance of adequately mobilizing towards the delivery of more equitable care using the vigorous elements that dissemination and implementation science offer.
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 | 0,370 | 0,633 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,044 |
| Communication savante | 0,023 | 0,031 |
| Science ouverte | 0,007 | 0,011 |
| Intégrité de la recherche | 0,044 | 0,051 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».