MétaCan
Menu
Retour à la cohorte
Enregistrement W2809983266 · doi:10.1186/s40814-018-0314-4

Mobilising knowledge between practitioners and researchers to iteratively refine a complex intervention (DAFNEplus) pre-trial: protocol for a structured, collaborative working group process

2018· article· en· W2809983266 sur OpenAlex
Jenna Breckenridge, Carla Gianfrancesco, Nicole de Zoysa, Julia Lawton, David Rankin, Elizabeth Coates

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePilot and Feasibility Studies · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesUniversity of SheffieldKing's College LondonNational Institute for Health and Care Research
Mots-clésIntervention (counseling)Randomized controlled trialMedical educationPsychological interventionProtocol (science)Qualitative researchProcess (computing)MedicinePsychologyNursingComputer scienceAlternative medicineSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Randomised controlled trials (RCTs) of complex interventions often begin with a pilot phase to test the proposed methods and refine the intervention before it is trialled. Although the Medical Research Council (MRC) recommends regular communication between the practitioners delivering the intervention and the researchers evaluating it during the pilot phase, there is a lack of practical guidance about how to undertake this aspect of pre-trial work. This paper describes a novel structured process for collaborative working, which we developed to iteratively refine a complex intervention prior to an RCT. We also describe an in-built qualitative study to learn lessons about how this approach could be used by future study teams. METHODS: . The intervention is being piloted in three National Health Service (NHS) diabetes centres in two waves, with refinements being incrementally implemented between each wave in response to real-time, collective learning (combining practitioner experience, process evaluation data and patient and public involvement via an advisory group). A structured 'Collaborative Working Group' (CWG) process, comprising monthly teleconferences and four strategically timed face-to-face meetings, is being used to identify and respond systematically to emerging implementation challenges and research findings. The group involves 25 members of the study team, including the multi-disciplinary practitioners delivering the intervention, the research teams conducting the process evaluation, the study manager and Chief Investigator. An in-built qualitative study comprising documentary analysis of meeting materials, discourse analysis of meeting transcripts, reflexive note taking, and thematic analysis of focus groups and interviews with CWG members is being undertaken to explore how the CWG works and how its processes and procedures might be improved. DISCUSSION: The CWG process offers a potential model for collaborative working in future pre-trial pilot phases and intervention development studies that operationalises MRC guidance to progressively develop a complex intervention and foster shared ownership through genuine collaboration. The findings from the qualitative study will provide insight into how to best support collaborative working to achieve optimal intervention design.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,493
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,899
Tête enseignante GPT0,753
Écart entre enseignants0,146 · 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