MétaCan
Menu
Retour à la cohorte
Enregistrement W2146385586 · doi:10.1186/s13012-014-0160-6

Mapping barriers and intervention activities to behaviour change theory for Mobilization of Vulnerable Elders in Ontario (MOVE ON), a multi-site implementation intervention in acute care hospitals

2014· article· en· W2146385586 sur OpenAlexafffundabout
Julia E. Moore, Alekhya Mascarenhas, Christine Marquez, Ummukulthum Almaawiy, Wai-Hin Chan, Jennifer D’Souza, Barbara Liu, Sharon E. Straus

Notice bibliographique

RevueImplementation Science · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensCanada Research ChairsUniversity of TorontoSunnybrook Health Science CentreSt. Michael's Hospital
Organismes subventionnairesUniversity of TorontoOntario Ministry of Health and Long-Term CareLondon Health Sciences CentreHamilton Health Sciences
Mots-clésMedicineIntervention (counseling)Focus groupPsychological interventionHealth administrationThematic analysisNursingWorkloadHealth services researchHealth carePublic healthHealth informaticsTheory of changeUnit (ring theory)Intervention mappingQualitative researchPsychologyHealth promotion

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As evidence-informed implementation interventions spread, they need to be tailored to address the unique needs of each setting, and this process should be well documented to facilitate replication. To facilitate the spread of the Mobilization of Vulnerable Elders in Ontario (MOVE ON) intervention, the aim of the current study is to develop a mapping guide that links identified barriers and intervention activities to behaviour change theory. METHODS: Focus groups were conducted with front line health-care professionals to identify perceived barriers to implementation of an early mobilization intervention targeted to hospitalized older adults. Participating units then used or adapted intervention activities from an existing menu or developed new activities to facilitate early mobilization. A thematic analysis was performed on the focus group data, emphasizing concepts related to barriers to behaviour change. A behaviour change theory, the 'capability, opportunity, motivation-behaviour (COM-B) system', was used as a taxonomy to map the identified barriers to their root causes. We also mapped the behaviour constructs and intervention activities to overcome these. RESULTS: A total of 46 focus groups were conducted across 26 hospital inpatient units in Ontario, Canada, with 261 participants. The barriers were conceptualized at three levels: health-care provider (HCP), patient, and unit. Commonly mentioned barriers were time constraints and workload (HCP), patient clinical acuity and their perceived 'sick role' (patient), and lack of proper equipment and human resources (unit level). Thirty intervention activities to facilitate early mobilization of older adults were implemented across hospitals; examples of unit-developed intervention activities include the 'mobility clock' communication tool and the use of staff champions. A mapping guide was created with barriers and intervention activities matched though the lens of the COM-B system. CONCLUSIONS: We used a systematic approach to develop a guide, which maps barriers, intervention activities, and behaviour change constructs in order to tailor an implementation intervention to the local context. This approach allows implementers to identify potential strategies to overcome local-level barriers and to document adaptations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil0,997

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,003
Communication savante0,0020,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,316
Tête enseignante GPT0,620
Écart entre enseignants0,304 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations113
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207