MétaCan
Menu
Retour à la cohorte
Enregistrement W2931901908 · doi:10.1093/pch/pxz025

Overview of a Knowledge Translation (KT) Project to improve the vaccination experience at school: The CARD™ System

2019· article· en· W2931901908 sur OpenAlexafffund
Anna Taddio, C. Meghan McMurtry, Lucie M. Bucci, Noni E. MacDonald, Anthony N T Ilersich, Angelo L T Ilersich, Angela Alfieri-Maiolo, Christene deVlaming-Kot, Leslie Alderman, Tamlyn Freedman, T. W. McDowall, Horace Wong, Kate Robson, Christine Halpert, Evelyn Wilson, Jocelyn Cortes, M Mustafa Hirji, Cathryn Schmidt, Srdjana Filipovic, Melanie Badali

Notice bibliographique

RevuePaediatrics & Child Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensMinistry of Health and Long Term CareBC Centre for Disease ControlHospital for Sick ChildrenUniversity of GuelphRegional Municipality of NiagaraDalhousie UniversityUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésKnowledge translationPsychological interventionFocus groupStakeholderMedical educationIntervention (counseling)Stakeholder engagementMedicineVaccinationPsychologyNursingKnowledge managementComputer sciencePublic relationsBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Students experience fear, pain, and fainting during vaccinations at school. While evidence-based interventions exist, no Knowledge Translation (KT) interventions have been developed to mitigate these symptoms. A multidisciplinary team-the Pain Pain Go Away Team-was assembled to address this knowledge-to-care gap. This manuscript provides an overview of the methodology, knowledge products, and impact of an evidence-based KT program developed and implemented to improve the vaccination experience at school. METHODS: We adapted knowledge and assessed the barriers to knowledge use via focus group interviews with key stakeholder groups involved in school-based vaccinations: students, nurses, school staff, and parents. Next, we developed project-specific goals and data collection tools and collected baseline data. We then created a multifaceted KT intervention called The CARD™ System (C-Comfort, A-Ask, R-Relax, D-Distract) to provide a framework for planning and delivering vaccinations using a student-centred approach. Selected KT tools from this framework were reviewed in additional focus groups held in all stakeholder groups. The multifaceted KT intervention was then finalized and implemented in stages in two projects including grade 7 students undergoing school vaccinations and impact on student outcomes (e.g., symptoms of fear, pain, dizziness) and process outcomes (e.g., utilization of interventions that reduce student symptoms, vaccination rate) were assessed. RESULTS: Participants reported that improving the vaccination experience is important. Based on participant feedback, an evidence-based multifaceted KT intervention called The CARD™ System was developed that addresses user needs and preferences. Selected KT tools of this intervention were demonstrated to be acceptable and to improve knowledge and attitudes about vaccination in the stakeholder groups. In two separate implementation projects, CARD™ helped grade 7 students prepare for vaccinations and positively impacted on their vaccination experiences. CARD™ improved vaccination experiences for other stakeholder groups as well. There was no evidence of an impact on school vaccination rates. CONCLUSION: We developed and implemented a promising multifaceted KT intervention called The CARD™ System to address vaccination-associated pain, fear, and fainting. Future research is recommended to determine impact in students of different ages and in different geographical regions and clinical contexts.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,042
Tête enseignante GPT0,347
Écart entre enseignants0,304 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetPediatric Pain Management TechniquesTravaux en français237 207