Facilitators and Barriers to Recruiting Ambulatory Oncology Practices Into a Large Multisite Study: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Practice-based research is essential to generate the data necessary to understand outcomes in ambulatory oncology care. Although there is an increased interest in studying ambulatory oncology care, given the rising patient volumes and complexity in those settings, little guidance is available on how best to recruit ambulatory oncology practices for research. OBJECTIVE: This paper aimed to describe the facilitators and barriers to recruiting ambulatory oncology practices into a large multisite study. METHODS: Using a mixed methods design, we sought to recruit 52 ambulatory oncology practices that have participated in a state-wide quality improvement collaborative for the quantitative phase. We used 4 domains of the Consolidated Framework for Implementation Research (CFIR) to describe facilitators and barriers to recruitment. RESULTS: We successfully recruited 28 of the 52 collaborative-affiliated practices, collecting survey data from 2223 patients and 297 clinicians. Intervention attributes included multimodal outreach and training activities to assure high fidelity to the data collection protocol. The implementation process was enhanced through interactive training and practice-assigned champions responsible for data collection. External context attributes that facilitated practice recruitment included partnership with a quality improvement collaborative and the inclusion of a staff member from the collaborative in our team. Key opinion leaders within each practice who could identify challenges to participation and propose flexible solutions represented internal context attributes. We also reported lessons learned during the recruitment process, which included navigating diverse approaches to human subjects protection policies and understanding that recruitment could be a negotiated process that took longer than anticipated, among others. CONCLUSIONS: Our experience provides other researchers with challenges to anticipate and possible solutions for common issues. Using the CFIR as a guide, we identified numerous recruitment barriers and facilitators and devised strategies to enhance recruitment efforts. In conclusion, researchers and clinicians can partner effectively to design and implement research protocols that ultimately benefit patients who are increasingly seeking care in ambulatory practices.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».