Improving the Nurse–Family Partnership in Community Practice
Notice bibliographique
Résumé
BACKGROUND: Evidence-based preventive interventions are rarely final products. They have reached a stage of development that warrant public investment but require additional research and development to strengthen their effects. The Nurse-Family Partnership (NFP), a program of nurse home visiting, is grounded in findings from replicated randomized controlled trials. OBJECTIVE: Evidence-based programs require replication in accordance with the models tested in the original randomized controlled trials in order to achieve impacts comparable to those found in those trials, and yet they must be changed in order to improve their impacts, given that interventions require continuous improvement. This article provides a framework and illustrations of work our team members have developed to address this tension. METHODS: Because the NFP is delivered in communities outside of research contexts, we used quantitative and qualitative research to identify challenges with the NFP program model and its implementation, as well as promising approaches for addressing them. RESULTS: We describe a framework used to address these issues and illustrate its use in improving nurses' skills in retaining participants, reducing closely spaced subsequent pregnancies, responding to intimate partner violence, observing and promoting caregivers' care of their children, addressing parents' mental health problems, classifying families' risks and strengths as a guide for program implementation, and collaborating with indigenous health organizations to adapt and evaluate the program for their populations. We identify common challenges encountered in conducting research in practice settings and translating findings from these studies into ongoing program implementation. CONCLUSIONS: The conduct of research focused on quality improvement, model improvement, and implementation in NFP practice settings is challenging, but feasible, and holds promise for improving the impact of the NFP.
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 | 0,051 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,007 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».