Testing a systematic approach to identify and prioritise barriers to successful implementation of a complex healthcare intervention
Notice bibliographique
Résumé
Multiple barriers may inhibit the adoption of clinical interventions and impede successful implementation. Use of standardised methods to prioritise barriers to target when selecting implementation interventions is an understudied area of implementation research. The aim of this study was to describe a method to identify and prioritise barriers to the implementation of clinical practice elements which were used to inform the development of the T3 trial implementation intervention (Triage, Treatment [thrombolysis administration; monitoring and management of temperature, blood glucose levels, and swallowing difficulties] and Transfer of stroke patients from Emergency Departments [ED]). A survey was developed based on a literature review and data from a complementary trial to identify the commonly reported barriers for the nine T3 clinical care elements. This was administered via a web-based questionnaire to a purposive sample of Australian multidisciplinary clinicians and managers in acute stroke care. The questionnaire addressed barriers to each of the nine T3 trial clinical care elements. Participants produced two ranked lists: on their perception of: firstly, how influential each barrier was in preventing clinicians from performing the clinical care element (influence attribute); and secondly how difficult the barrier was to overcome (difficulty attribute). The rankings for both influence and difficulty were combined to classify the barriers according to three categories (‘least desirable’, desirable’ or ‘most desirable’ to target) to assist interpretation. All invited participants completed the survey; (n = 17; 35% medical, 35% nursing, 18% speech pathology, 12% bed managers). The barriers classified as most desirable to target and overcome were a ‘lack of protocols for the management of fever’ and ‘not enough blood glucose monitoring machines’. A structured decision-support procedure has been illustrated and successfully applied to identify and prioritise barriers to target within an implementation intervention. This approach may prove to be a useful in other studies and as an adjunct to undertaking barrier assessments within individual sites when planning implementation interventions.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | high |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | low |
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,115 | 0,475 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».