Understanding the Drivers of Low-value Care and De-implementation Processes: A Multi-methods Study
Notice bibliographique
Résumé
Low-value care (LVC) are tests, treatments, medications or procedures which have been deemed, through evidence, to be ineffective, harmful or unnecessary. It is estimated that 30% of current healthcare dollars are spent on these practices (Canadian Institute for Health Information, 2017). The de-implementation of low-value care is widely recognized as critical for patient safety, healthcare resources and health system sustainability. In recent years, a number of initiatives, such as Choosing Wisely, have targeted the de-implementation of low-value practices in healthcare. The de-implementation of LVC is an important endeavour that poses challenging conceptual and practical questions. This dissertation explores the conceptual and practical aspects of LVC and de-implementation through three complementary studies. In the first study, I conducted a comprehensive scoping review of the literature on the use of theory to understand or explain efforts to reduce LVC. This review offers four key findings: 1. De-implementation is still largely atheoretical, but the use of theory is increasing; 2. TDF is the most commonly used framework; 3. Theory was most commonly used to identify determinants or inform data analysis; and 4. The lack of studies examining the impact of patients on efforts to de-implement LVC. In the second study, I developed the Implementation Process Model (IPM) using a modified Delphi approach. This study, to advance understanding of de-implementation processes and explicate the elements of implementation processes, identified four critical elements important to implementation processes: 1. Stakeholder engagement throughout the process; 2. Iterative nature of implementation processes; 3. Importance of context; and 4. Importance of using guiding theories or frameworks. The third study used the knowledge and tools produced in the first two studies to conduct a qualitative exploration of factors which impact LVC and de-implementation processes. The findings of this study explicated the drivers of LVC, the magnitude of the problem of LVC and unique influences on de-implementation processes. Understanding LVC and de-implementation processes is critical to improving patient care, reducing waste and improving the healthcare system. The results of these studies provide insights into theoretical approaches, implementation processes, and factors which influence LVC and de-implementation applicable to both research and practice.
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 | 0,072 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».