Changing provider behaviour to increase nurse visits for obesity in family practice: the 5As Team randomized controlled trial
Notice bibliographique
Résumé
Background: There is increasing recognition that health care professionals often fail to provide meaningful obesity care in routine clinical practice. There is scant information on how to support practice change. The objective of the 5AsT trial was to assess whether a co-created educational intervention would increase the quantity of obesity visits conducted by family practice nurses. Methods: We conducted a randomized controlled trial with convergent mixed-methods evaluation in a primary care network in Alberta, Canada. The intervention, based on the Theoretical Domains Framework and 5As of Obesity Management, included 12 2-hour interactive educational sessions from November 2013 to April 2014. Twenty-four teams of nurses, mental health workers and dietitians were randomly assigned to receive the intervention or regular training. The primary outcome measure was the rate ratio of nurse visits for adult obesity care to total clinical visits. Qualitative thematic analysis was previously used to identify barriers and facilitators to intervention uptake. In this study, mixed-methods analysis assessed the impact of these factors on individual nurses’ outcomes. Results: There was no significant increase in visits over the 6-month intervention (rate ratio 1.30, 95% confidence interval [CI] 0.83–2.03) nor the 9-month post-intervention period (rate ratio 1.38, 95% CI 0.87–2.19). However, provider confidence, views of obesity management, role identity and team and patient relationships were found to affect individual nurses’ uptake of the intervention. Interpretation: Although the intervention did not demonstrate a significant increase in nurse visits for obesity care, this study provides insights into health care practitioners’ challenges in changing their approach to obesity management. To improve provider capacity to change effectively within their teams, interventions need to foster not only provider knowledge but also confidence. Trial registration:ClinicalTrials.gov, no. NCT01967797.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».