Mise en œuvre du traitement antiviral nirmatrelvir/ritonavir (PaxlovidTM) contre la COVID-19 au Canada en 2022 : une analyse qualitative des principaux facteurs favorables et défis
Notice bibliographique
Résumé
Contexte : L'utilisation du traitement antiviral nirmatrelvir/ritonavir (Paxlovid TM , N/R) contre la COVID-19 a été approuvée au Canada en janvier 2022, avec le gouvernement du Canada assumant un rôle en matière d'approvisionnement et les provinces, les territoires et les ministères fédéraux mettant en œuvre son utilisation au sein de leurs systèmes de santé respectifs.L'objectif de la présente analyse est de décrire la manière dont le N/R a été mis en œuvre dans les différentes administrations au cours des six premiers mois après sa mise à disposition et d'identifier les pratiques de mise en œuvre prometteuses.Méthodes : Quatorze discussions semi-structurées en petits groupes ont été menées avec des représentants d'administrations impliqués dans la mise en œuvre du N/R.Une analyse descriptive des critères d'admissibilité et du modèle d'organisation des services a été effectuée.Une analyse thématique utilisant le Cadre consolidé pour la recherche sur la mise en œuvre et une analyse par grappes de codes ont ensuite été entreprises sur NVivo 12 afin d'identifier les thèmes principaux.Résultats : Dans l'ensemble, les critères d'admissibilité étaient semblables d'une administration à l'autre et trois types de modèles d'organisation des services ont été identifiés.Dix thèmes principaux sont apparus comme des facteurs favorables et huit comme des défis pour la mise en œuvre.Le partenariat, la collaboration, la communication et la flexibilité figurent parmi les facteurs favorables identifiés, tandis que la complexité de l'intervention, c.-à-d.les interactions médicamenteuses), la perception par les prescripteurs de manque de données probantes confirmant l'efficacité et les limites de ressources ont été identifiés comme les principales difficultés de mise en œuvre.Conclusion : Bien que la mise en œuvre du N/R ait varié d'une administration à l'autre, la communication et la collaboration, ainsi que la disponibilité de tests rapides pour dépister la COVID-19, sont apparues comme des facteurs favorables clés.Les interactions médicamenteuses, les pressions sur les ressources et le manque de données probantes ont été quelques-uns des principaux défis à relever.Dans l'ensemble, ces facteurs favorables et ces défis étaient semblables d'une administration à l'autre et peuvent informer les futurs plans de mise en œuvre de produits thérapeutiques pour la préparation aux pandémies.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».