Adoption of Surgical Innovations
Notice bibliographique
Résumé
PURPOSE: Sentinel lymph node biopsy (SLNB) has been unevenly adopted into practice in Canada. In this qualitative study, the authors explored individual, institutional, and policy factors that may have influenced SLNB adoption. This information will guide interventions to improve SLNB implementation. METHODS: Qualitative methodology was used to examine factors influencing SLNB adoption. Grounded theory guided data collection and analysis. Semistructured interviews were based on Roger's diffusion of innovation theory. Purposive and snowball sampling was used to identify participants. Semistructured telephone interviews were conducted with urban, rural, academic, and community health care providers and administrators to ensure all perspectives and motivations were explored. Two individuals independently analyzed data and achieved consensus on emerging themes and their relationship. RESULTS: A total of 43 interviews were completed with 21 surgeons, 5 pathologists, 7 nuclear medicine physicians, and 10 administrators. Generated themes included awareness of SLNB with the exception of some administrators, acknowledged advantage of SLNB, SLNB compatibility with beliefs regarding axillary staging, acknowledgment that SLNB was a complex innovation to adopt, extensive trialing of SLNB prior to adoption, observable benefits with SLNB, acknowledgment that hospital-level administrative support enabled adoption, desire for a provincial policy supporting SLNB to assist in hospital-level adoption, requirement of a local high-volume breast surgery champion who communicated extensively with team to facilitate local adoption, and need for credentialing of SLNB to ensure quality. CONCLUSIONS: SLNB is a complex innovation to adopt. Successful adoption was assisted by a high-volume breast cancer surgical champion, interprofessional communication, and administrative support.
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 | 0,016 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».