Leadership for Evidence‐Based Practice: Strategic and Functional Behaviors for Institutionalizing EBP
Notice bibliographique
Résumé
BACKGROUND: Making evidence-based practice (EBP) a reality throughout an organization is a challenging goal in healthcare services. Leadership has been recognized as a critical element in that process. However, little is known about the exact role and function of various levels of leadership in the successful institutionalization of EBP within an organization. AIMS: To uncover what leaders at different levels and in different roles actually do, and what actions they take to develop, enhance, and sustain EBP as the norm. METHODS: Qualitative data from a case study regarding institutionalization of EBP in two contrasting cases (Role Model and Beginner hospitals) were systematically analyzed. Data were obtained from multiple interviews of leaders, both formal and informal, and from staff nurse focus groups. A deductive coding schema, based on concepts of functional leadership, was developed for this in-depth analysis. RESULTS: Participants' descriptions reflected a hierarchical array of strategic, functional, and cross-cutting behaviors. Within these macrolevel "themes," 10 behavioral midlevel themes were identified; for example, Intervening and Role modeling. Each theme is distinctive, yet various themes and their subthemes were interrelated and synergistic. These behaviors and their interrelationships were conceptualized in the framework "Leadership Behaviors Supportive of EBP Institutionalization" (L-EBP). Leaders at multiple levels in the Role Model case, both formal and informal, engaged in most of these behaviors. LINKING EVIDENCE TO ACTION: Supportive leadership behaviors required for organizational institutionalization of EBP reflect a complex set of interactive, multifaceted EBP-focused actions carried out by leaders from the chief nursing officer to staff nurses. A related framework such as L-EBP may provide concrete guidance needed to underpin the often-noted but abstract finding that leaders should "support" EBP.
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 | 0,026 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».