Barriers and enablers to a physician-delivered educational initiative to reduce low-acuity visits to the pediatric emergency department
Notice bibliographique
Résumé
BACKGROUND: Use of the pediatric emergency department (PED) for low-acuity health issues is a growing problem, contributing to overcrowding, longer waits and higher health system costs. This study examines an educational initiative aimed at reducing low-acuity PED visits. The initiative, implemented at an academic pediatric hospital, saw PED physicians share a pamphlet with caregivers to educate them about appropriate PED use and alternatives. Despite early impacts, the initiative was not sustained. This study analyzes the barriers and enablers to physician participation in the initiative, and offers strategies to improve implementation and sustainability of similar future initiatives. METHODS: Forty-two PED physicians were invited to participate in a semi-structured individual interview assessing their views about low-acuity visits, their pamphlet use, barriers and enablers to pamphlet use, and the initiative's potential for reducing low-acuity visits. Suggestions were solicited for improving the initiative and reducing low-acuity visits. Constant comparative method was used during analysis. Codes were developed inductively and iteratively, then grouped according to the Theoretical Domains Framework (TDF). Efforts to ensure study credibility included seeking participant feedback on the findings. RESULTS: Twenty-three PED physicians were interviewed (55%). Barriers and enablers for pamphlet use were identified and grouped according to five of the 14 TDF domains: social/professional role and identity; beliefs about consequences; environmental context and resources; social influences; and emotions. CONCLUSIONS: The TDF provided an effective approach to identify the key elements influencing physician participation in the educational initiative. This information will help inform behavior change interventions to improve the implementation of similar future initiatives that involve physicians as the primary educators of caregivers.
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 | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».