Determining the Barriers and Facilitators to Adopting Best Practices in the Management of Poststroke Unilateral Spatial Neglect: Results of a Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: A gap exists between best and actual management of poststroke unilateral spatial neglect (USN). Given the negative impact of USN on poststroke recovery, knowledge translation efforts are needed to optimize USN management. To date, no study has investigated the specific barriers and facilitators affecting USN management during the acute care process. OBJECTIVE: To identify the facilitators and barriers that affect evidence-based practice use by occupational therapists (the primary discipline managing USN) when treating individuals with acute poststroke USN. METHODS: Focus group methodology elicited information from 9 acute care occupational therapists. RESULTS: Key barriers identified included lack of basic evidence-based practice skills specific to USN treatment and personal motivation to change current practices and engrained habits. Key facilitators included the presence of a multidisciplinary stroke team, recent graduation, and an environment with access to learning time and resources. Synthesized Web-based learning was also seen as important to uptake of best practices. CONCLUSION: It is estimated that upwards of 40% of patients experience poststroke USN in the acute phase, and we have evidence of poor early management. This study identified several modifiable factors that prepare the ground for the creation and testing of a multimodal knowledge translation intervention aimed at improving clinicians' best practice management of poststroke USN.
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 | 0,045 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».