Nurse-Driven mHealth Implementation Using the Technology Inpatient Program for Smokers (TIPS): Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Smoking is the leading cause of preventable death and disease, yet implementation of smoking cessation in inpatient settings is inconsistent. The Technology Inpatient Program for Smokers (TIPS) is an implementation program designed to reach smokers with a mobile health (mHealth) intervention using stakeholder-supported strategies. OBJECTIVE: The purpose of this study was to determine the impact of the TIPS implementation strategies on smoker-level engagement of the mHealth intervention during care transition. METHODS: We examined varying intensities (passive motivational posters only and posters + active nurse-led facilitation) of TIPS strategies on four hospital units located in two sites. Unit-level and smoker-level adoption was monitored during active implementation (30 weeks) and sustainability follow-up (30 weeks). Process measures reflecting the reach, effectiveness, adoption, implementation, maintenance (RE-AIM) framework, stakeholder reported adaptations of strategies, and formative evaluation data were collected and analyzed. RESULTS: For our smoker-level reach, 103 smokers signed up for the mHealth intervention in-hospital, with minimal decline during sustainability follow-up. While posters + nurse facilitation did not lead to higher reach than posters alone during active implementation (27 vs 30 signed up), it did lead to higher engagement of smokers (85.2% vs 73.3% completion of the full 2-week intervention). TIPS strategy adoption and fidelity varied by unit, including adoption of motivational posters (range: weeks 1 and 5), fidelity of posters (0.4% to 16.2% of posters missing per unit weekly) and internal facilitation of nurse training sessions (average of 2 vs 7.5 by site). Variable maintenance costs of the program totaled US $6.63 (US $683.28/103) per smoker reached. Reported family-member facilitation of mHealth sign-up was an observation of unintended behavior. CONCLUSIONS: TIPS is a feasible and low-cost implementation program that successfully engages smokers in an mHealth intervention and sustains engagement after discharge. Further testing of nurse facilitation and expanding reach to patient family and friends as an implementation strategy is needed.
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 | 0,014 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».