Implementation of multidimensional knowledge translation strategies to improve procedural pain in hospitalized children
Notice bibliographique
Résumé
BACKGROUND: Despite extensive research, institutional policies, and practice guidelines, procedural pain remains undertreated in hospitalized children. Knowledge translation (KT) strategies have been employed to bridge the research to practice gap with varying success. The most effective single or combination of KT strategies has not been found. A multifaceted KT intervention, Evidence-based Practice for Improving Quality (EPIQ), that included tailored KT strategies was effective in improving pain practices and clinical outcomes at the unit level in a prospective comparative cohort study in 32 hospital units (16 EPIQ intervention and 16 Standard Care), in eight pediatric hospitals in Canada. In a study of the 16 EPIQ units (two at each hospital) only, the objectives were to: determine the effectiveness of evidence-based KT strategies implemented to achieve unit aims; describe the KT strategies implemented and their influence on pain assessment and management across unit types; and identify facilitators and barriers to their implementation. METHODS: Data were collected from each EPIQ intervention unit on targeted pain practices and KT strategies implemented, through chart review and a process evaluation checklist, following four intervention cycles over a 15-month period. RESULTS: Following the completion of the four cycle intervention, 78% of 23 targeted pain practice aims across units were achieved within 80% of the stated aims. A statistically significant improvement was found in the proportion of children receiving pain assessment and management, regardless of pre-determined aims (p < 0.001). The median number of KT strategies implemented was 35 and included reminders, educational outreach and materials, and audit and feedback. Units successful in achieving their aims implemented more KT strategies than units that did not. No specific type of single or combination of KT strategies was more effective in improving pain assessment and management outcomes. Tailoring KT strategies to unit context, support from unit leadership, staff engagement, and dedicated time and resources were identified as facilitating effective implementation of the strategies. CONCLUSIONS: Further research is required to better understand implementation outcomes, such as feasibility and fidelity, how context influences the effectiveness of multifaceted KT strategies, and the sustainability of improved pain practices and outcomes over time.
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 | 0,011 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».