Developing a framework to inform scale-up success for population health interventions: a critical interpretive synthesis of the literature
Notice bibliographique
Résumé
Background: Population health interventions (PHIs) have the potential to improve the health of large populations by systematically addressing underlying conditions of poor health outcomes (i.e., social determinants of health) and reducing health inequities. Scaling-up may be one means of enhancing the impact of effective PHIs. However, not all scale-up attempts have been successful. In an attempt to help guide the process of successful scale-up of a PHI, we look to the organizational readiness for change theory for a new perspective on how we may better understand the scale-up pathway. Using the change theory, our goal was to develop the foundations of an evidence-based, theory-informed framework for a PHI, through a critical examination of various PHI scale-up experiences documented in the literature. Methods: We conducted a multi-step, critical interpretive synthesis (CIS) to gather and examine insights from scale-up experiences detailed in peer-reviewed and grey literatures, with a focus on PHIs from a variety of global settings. The CIS included iterative cycles of systematic searching, sampling, data extraction, critiquing, interpreting, coding, reflecting, and synthesizing. Theories relevant to innovations, complexity, and organizational readiness guided our analysis and synthesis. Results: We retained and examined twenty different PHI scale-up experiences, which were extracted from 77 documents (47 peer-reviewed, 30 grey literature) published between 1995 and 2013. Overall, we identified three phases (i.e., Groundwork, Implementing Scale-up, and Sustaining Scale-up), 11 actions, and four key components (i.e., PHI, context, capacity, stakeholders) pertinent to the scale-up process. Our guiding theories provided explanatory power to various aspects of the scale-up process and to scale-up success, and an alternative perspective to the assessment of scale-up readiness for a PHI. Conclusion: Our synthesis provided the foundations of the Scale-up Readiness Assessment Framework. Our theoretically-informed and rigorous synthesis methodology permitted identification of disparate processes involved in the successful scale-up of a PHI. Our findings complement the guidance and resources currently available, and offer an added perspective to assessing scale-up readiness for a PHI.
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 | 0,009 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».