Over 200 million people worldwide have osteoporosis, representing a considerable health care and financial burden [1]–[6]. The aging of the population will likely further compound the disease burden [2],[3],[7]. Fragility fractures are the clinical consequence of osteoporosis, with vertebral and hip fractures having the most devastating prognosis [8] and being associated with an increased risk of death [9]. Such fractures can significantly impair quality of life, physical function, and social interaction and can lead to admission to long-term care [10]–[12]. Clinical practice guidelines are available for osteoporosis management [13]–[15], but their implementation in clinical practice has been inconsistent, such that many patients are still not receiving appropriate diagnostic testing or treatment [16]–[20]. Less than 40% of patients receive appropriate therapy [17]; and the proportion of patients with fragility fractures who receive a diagnostic test or a diagnosis from a physician is not optimal (range 1.7% – 50%) [18]–[20]. Knowledge translation (KT) tools such as clinical decision support systems may be one solution to closing these practice gaps because they can provide evidence at the point of care to facilitate disease management. Clinical decision support systems generate patient-specific assessments or recommendations for clinicians by means of software algorithms that match information from a knowledge database to relevant clinical data and provide evidence-based suggestions for assessment and treatment [21]–[23].
In response to existing management gaps, we developed an osteoporosis KT (Op-KT) tool using two theoretical frameworks: the knowledge-to-action framework of Graham et al [24] and the Medical Research Council (MRC) framework for complex interventions [25]. The knowledge-to-action framework consists of knowledge creation (which allows knowledge to be filtered down from inquiry and synthesis into tools that can aid in decision making) and a series of iterative and dynamic action steps to apply this knowledge [24]. Importantly, the framework highlights the need to involve relevant end-users of the knowledge that is being implemented [24]. The MRC framework was also considered because it complements the iterative, phased approach of the knowledge-to-action framework, and it has the potential to strengthen the development and implementation of KT interventions by addressing challenges to achieving optimal study design, execution, and generalizability [25]. Our knowledge creation process involved conducting a systematic review of randomized controlled trials to determine what features of osteoporosis tools support clinical decision making [26]. We found that few osteoporosis tools exist, but interventions consisting of reminders and education targeted to both physicians and patients had potential for increasing osteoporosis investigations and treatment [26]. We combined these findings with available national osteoporosis guidelines and input from clinicians and experts in information technology and human-factors engineering to design a conceptual Op-KT tool. We then assessed the barriers and facilitators to using this knowledge in a qualitative study of focus groups with family physician [27], which enabled the development of a prototype. Finally, we tested the prototype in a mixed-methods usability study to ensure that it met the needs of target end-users including patients at risk for osteoporosis and physicians who provide care for them [28]. A description of the Op-KT tool is in the Methods below.
กว่า 200 ล้านคนทั่วโลกมีโรคกระดูกพรุน แสดงมากดูแลสุขภาพ และการเงินภาระ [1] – [6] อายุของประชากรจะมีแนวโน้มผสมโรคภาระ [2], [3], [7] เพิ่มเติม กระดูกหักความมีสัจจะทางคลินิกของโรคกระดูกพรุน กับ vertebral และสะโพกกระดูกหักที่มีการคาดคะเนเรื่องมากที่สุด [8] และการเกี่ยวข้องกับการเสี่ยงตาย [9] เช่นกระดูกหักอย่างมีนัยสำคัญสามารถทำคุณภาพชีวิต ฟังก์ชันทางกายภาพ และสังคม และสามารถนำไปสู่การเข้าดูแลระยะยาว [10] - [12] แนวทางปฏิบัติทางคลินิกจะพร้อมใช้งานสำหรับการจัดการกระดูกพรุน [13] - [15], แต่การปฏิบัติการในทางปฏิบัติทางคลินิกได้รับไม่สอดคล้องกัน เหมาะสมเช่นที่ผู้ป่วยจะยังคงไม่ได้รับการวินิจฉัยการทดสอบหรือรักษา [16] - [20] น้อยกว่า 40% ของผู้ป่วยได้รับการรักษาที่เหมาะสม [17]; และสัดส่วนของผู้ป่วยที่มีกระดูกหักความที่ได้รับการทดสอบวินิจฉัยหรือการตรวจวินิจฉัยจากแพทย์ที่ ไม่เหมาะสม (ช่วง 1.7% – 50%) [18] - [20] ความรู้เครื่องมือการแปล (KT) เช่นระบบสนับสนุนการตัดสินใจทางคลินิกอาจมีวิธีการแก้ไขปัญหาการปิดช่องว่างเหล่านี้ปฏิบัติเนื่องจากพวกเขาสามารถแสดงหลักฐานในหน้าร้านดูแลเพื่อจัดการโรค ระบบสนับสนุนการตัดสินใจทางคลินิกสร้างประเมินผู้ป่วยเฉพาะ หรือคำแนะนำสำหรับ clinicians โดยใช้อัลกอริทึมซอฟต์แวร์ที่ตรงกับข้อมูลความรู้ฐานข้อมูลกับข้อมูลทางคลินิกที่เกี่ยวข้อง และให้คำแนะนำตามหลักฐานในการประเมินและการรักษา [21] – [23]In response to existing management gaps, we developed an osteoporosis KT (Op-KT) tool using two theoretical frameworks: the knowledge-to-action framework of Graham et al [24] and the Medical Research Council (MRC) framework for complex interventions [25]. The knowledge-to-action framework consists of knowledge creation (which allows knowledge to be filtered down from inquiry and synthesis into tools that can aid in decision making) and a series of iterative and dynamic action steps to apply this knowledge [24]. Importantly, the framework highlights the need to involve relevant end-users of the knowledge that is being implemented [24]. The MRC framework was also considered because it complements the iterative, phased approach of the knowledge-to-action framework, and it has the potential to strengthen the development and implementation of KT interventions by addressing challenges to achieving optimal study design, execution, and generalizability [25]. Our knowledge creation process involved conducting a systematic review of randomized controlled trials to determine what features of osteoporosis tools support clinical decision making [26]. We found that few osteoporosis tools exist, but interventions consisting of reminders and education targeted to both physicians and patients had potential for increasing osteoporosis investigations and treatment [26]. We combined these findings with available national osteoporosis guidelines and input from clinicians and experts in information technology and human-factors engineering to design a conceptual Op-KT tool. We then assessed the barriers and facilitators to using this knowledge in a qualitative study of focus groups with family physician [27], which enabled the development of a prototype. Finally, we tested the prototype in a mixed-methods usability study to ensure that it met the needs of target end-users including patients at risk for osteoporosis and physicians who provide care for them [28]. A description of the Op-KT tool is in the Methods below.
การแปล กรุณารอสักครู่..