Barriers to implementation of stroke rehabilitation evidence: findings from a multi-site pilot project
Notice bibliographique
Résumé
Purpose: To describe the barriers to implementation of evidence-based recommendations (EBRs) for stroke rehabilitation experienced by nurses, occupational therapists, physical therapists, physicians and hospital managers. Methods: The Stroke Canada Optimization of Rehabilitation by Evidence project developed EBRs for arm and leg rehabilitation after stroke. Five Canadian stroke inpatient rehabilitation centers participated in a pilot implementation study. At each site, a clinician was identified as the “local facilitator” to promote the 6-month implementation. A research coordinator observed the process. Focus groups done at completion were analyzed thematically for barriers by two raters. Results: A total of 79 rehabilitation professionals (23 occupational therapists, 17 physical therapists, 23 nurses and 16 directors/managers) participated in 21 focus groups of three to six participants each. The most commonly noted barrier to implementation was lack of time followed by staffing issues, training/education, therapy selection and prioritization, equipment availability and team functioning/communication. There was variation in perceptions of barriers across stakeholders. Nurses noted more training and staffing issues and managers perceived fewer barriers than frontline clinicians. Conclusions: Rehabilitation guideline developers should prioritize evidence for implementation and employ user-friendly language. Guideline implementation strategies must be extremely time efficient. Organizational approaches may be required to overcome the barriers.Implications for RehabiliationDespite increasingly strong evidence for stroke rehabilitation, there are delays in implementation into clinical practice.This study showed that lack of time, staffing issues, staff education, therapy selection or prioritization, lack of equipment and team functioning were the main barriers to implementation.Managers and stakeholders should consider these barriers and prioritize evidence when implementing.
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 | 0,068 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».