Effectiveness of different de-implementation strategies in primary care: systematic review and meta-analysis
Notice bibliographique
Résumé
Objective: To evaluate the effectiveness of various de-implementation interventions in primary care, targeting care (treatments or tests) that provides no or limited value for patients (low value care). Design: Systematic review and meta-analysis. Data sources: Medline and Scopus databases, from inception to 10 July 2024. Eligibility criteria for selecting studies: Randomised trials comparing de-implementation interventions with placebo or sham intervention, no intervention, or other de-implementation intervention strategies in primary care. Eligible trials provided information on the use of low value care, total volume of care, appropriate care, and health outcomes. Data extraction and synthesis: Titles, abstracts, and full texts were screened, data were extracted, and risk of bias was assessed independently and in duplicate. Random effects meta-analyses were conducted, and the certainty of evidence was assessed with the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) approach. Results: 13 008 abstracts were screened and 140 were eligible for inclusion in the study. Median follow-up was 287 days (interquartile range 180-365). In 75 (54%) trials the aim was to reduce the use of antibiotics, in 42 (30%) to reduce other drug treatments, in 17 (12%) to reduce imaging, and in 15 (11%) to reduce laboratory testing. The certainty of the evidence was moderate that provider education combined with audit and feedback reduced the use of targeted low value care (odds ratio 0.73, 95% confidence interval (95% CI) 0.63 to 0.84). Provider education (0.86, 95% CI 0.72 to 1.03), audit and feedback (0.82, 0.67 to 1.00), and patient education (0.70, 0.30 to 1.66), and a combination of these strategies (point estimates for odds ratios ranging from 0.57 to 0.64) may reduce the use of targeted low value care (low certainty of evidence for all). Conclusions: The results suggested with moderate certainty of evidence that provider education combined with audit and feedback reduced the use of targeted low value care. Individual strategies may slightly reduce the use of targeted low value care, but achieving a meaningful impact on low value care may require the use of multiple strategies. The results may be useful for patients, clinicians, policy makers, and guideline developers when deciding on future de-implementation strategies and research priorities. Systematic review registration: PROSPERO CRD42023411768.
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 | 0,041 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,030 | 0,061 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».