MétaCan
Menu
Retour à la cohorte
Enregistrement W1600236190 · doi:10.1111/wvn.12078

Barriers and Enablers to Implementing Clinical Treatment Protocols for Fever, Hyperglycaemia, and Swallowing Dysfunction in the Quality in Acute Stroke Care (QASC) Project—A Mixed Methods Study

2015· article· en· W1600236190 sur OpenAlexaff
Simeon Dale, Christopher Levi, Jeanette Ward, Jeremy Grimshaw, Asmara Jammali‐Blasi, Catherine D’Este, Rhonda Griffiths, Clare Quinn, Malcolm Evans, Dominique A. Cadilhac, N. Wah Cheung, Sandy Middleton

Notice bibliographique

RevueWorldviews on Evidence-Based Nursing · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Health and Medical Research Council
Mots-clésMedicineStroke (engine)WorkforceIntervention (counseling)Medical emergencyMEDLINESwallowingNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Quality in Acute Stroke Care (QASC) trial evaluated systematic implementation of clinical treatment protocols to manage fever, sugar, and swallow (FeSS protocols) in acute stroke care. This cluster-randomised controlled trial was conducted in 19 stroke units in Australia. AIM: To describe perceived barriers and enablers preimplementation to the introduction of the FeSS protocols and, postimplementation, to determine which of these barriers eventuated as actual barriers. METHODS: Preimplementation: Workshops were held at the intervention stroke units (n = 10). The first workshop involved senior clinicians who identified perceived barriers and enablers to implementation of the protocols, the second workshop involved bedside clinicians. Postimplementation, an online survey with stroke champions from intervention sites was conducted. RESULTS: A total of 111 clinicians attended the preimplementation workshops, identifying 22 barriers covering four main themes: (a) need for new policies, (b) limited workforce (capacity), (c) lack of equipment, and (d) education and logistics of training staff. Preimplementation enablers identified were: support by clinical champions, medical staff, nursing management and allied health staff; easy adaptation of current protocols, care-plans, and local policies; and presence of specialist stroke unit staff. Postimplementation, only five of the 22 barriers identified preimplementation were reported as actual barriers to adoption of the FeSS protocols, namely, no previous use of insulin infusions; hyperglycaemic protocols could not be commenced without written orders; medical staff reluctance to use the ASSIST swallowing screening tool; poor level of engagement of medical staff; and doctors' unawareness of the trial. LINKING EVIDENCE TO ACTION: The process of identifying barriers and enablers preimplementation allowed staff to take ownership and to address barriers and plan for change. As only five of the 22 barriers identified preimplementation were reported to be actual barriers at completion of the trial, this suggests that barriers are often overcome whilst some are only ever perceived rather than actual barriers.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,229
Tête enseignante GPT0,531
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorldviews on Evidence-Based NursingMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207