VALIDATION OF A PROCESS EVALUATION CHECKLIST TO MEASURE INTERVENTION IMPLEMENTATION FIDELITY
Notice bibliographique
Résumé
Objectives The EPIC intervention (Lee, 2002), is a multifaceted knowledge translation intervention that combines evidence and continuous quality improvement to change health professional practices. As components of this intervention are complex, there is a need to evaluate the intervention process by assessing the extent to which the intervention was implemented as planned (i.e. fidelity) and the feasibility of implementation. The objective of this study is to develop and validate the Process Evaluation Checklist (PEC) to assess the fidelity and feasibility of implementing the EPIC intervention in a Neonatal Intensive Care Unit (NICU). Methods Face validity of the PEC was determined by co-investigators of the CIHR Team in Children’s Pain (Stevens, et al. 2006). To establish content validity, domains of the process evaluation of the PEC will be sent electronically to experts who have participated in the EPIC intervention. Quantification of content validity will be achieved using a content validity index (CVI). Results Based on feedback regarding face validity of the PEC, items in the checklist that were confusing were re-worded, clarified, refined, reduced and arranged in a suitable sequence. Comments were minor and focused on the structure/layout of the questions. Results from the content validity ratings from experts will be used to further refine the PEC. Conclusions Implementation of the EPIC intervention using a validated process evaluation measure will provide information about the fidelity and feasibility of processes when delivering the EPIC intervention and will allow future studies to replicate the EPIC intervention in a variety of settings and conditions.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».