Using implementation science to build intimate partner violence screening and referral capacity in a fracture clinic
Notice bibliographique
Résumé
RATIONALE, AIMS, AND OBJECTIVES: Over the past two decades, research informing good clinical practices related to intimate partner violence (IPV) has been plentiful, yet partner violence screening remains challenging to translate into action. In spite of the documented efficacy of routine screening for women of reproductive age and the availability of validated screening instruments, many IPV screening programmes lack the components necessary for success. In Toronto, a multidisciplinary team of researchers and clinicians is using the tools of implementation science to scale up an evidence-based IPV screening and response programme in an urban orthopaedic clinic where prior screening attempts have been ineffective. METHODS: Using the Active Implementation Framework as a guide, researchers collected data across multiple sources to inform the first stage of implementation. Analysis focused on identifying the characteristics of the clinic that support or hinder implementation of new processes, evidence-based screening practices that fit with the clinic, and characteristics of a strong implementation team. RESULTS: Through this process, researchers and clinicians uncovered organizational strengths and weaknesses related to IPV screening that may not have been identified previously. The need to incorporate technology into our screening processes became apparent, as did the importance of shared communication and colearning between clinicians and researchers. CONCLUSIONS: The benefits of investing in the preparatory phases of implementation are discussed. Without undertaking the process of gathering and analysing data, examining the factors that support effective and sustainable implementation, and investing in the creation of a strong implementation team, it is likely that decisions about our screening approaches would have resulted in a less-effective and sustainable process.
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 | 0,226 | 0,290 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,014 |
| Communication savante | 0,016 | 0,012 |
| Science ouverte | 0,009 | 0,021 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».