MétaCan
Menu
Retour à la cohorte
Enregistrement W3034902319 · doi:10.1186/s43058-020-00036-2

Ready, set, go!: exploring use of a readiness process to implement pharmacy services

2020· article· en· W3034902319 sur OpenAlexfundno aff
Melanie Livet, Mary Yannayon, Chloe Richard, Lindsay A. Sorge, Paul Scanlon

Notice bibliographique

RevueImplementation Science Communications · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensnon disponible
Organismes subventionnairesConcordia University
Mots-clésPharmacyProcess (computing)Process managementHealth careConceptualizationService (business)PharmacistKnowledge managementMedical educationSet (abstract data type)PsychologyNursingMedicineBusinessComputer scienceMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Background Readiness is an essential precursor of successful implementation; however, its conceptualization and application has proved elusive. R = MC2 operationalizes readiness for use in practice. The purpose of this study was to (1) describe the application of R = MC2 to assess and build readiness in nine healthcare sites responsible for implementing medication management services and (2) gain insights into the sites’ experience. Methods This mixed methods exploratory study used data collected as part of a process evaluation. Understanding application of the readiness process (Aim 1) involved examining team members’ involvement (who?), readiness challenges and readiness building strategies (what?), strategy execution (how much?), and resulting changes (for what purpose?). To understand the sites’ experience with the R = MC2 system (Aim 2), interviews were conducted with six of the sites to identify facilitators, barriers, and lessons learned. Data sources included a document review (e.g., sites’ action plans), survey results, and interview data. Results Sites included primary care and specialty clinics, pharmacies within health systems, and community pharmacies. Teams consisted of 4–11 members, including a lead pharmacist. The teams’ readiness activities clustered into five broad categories of readiness building strategies (e.g., building the operational infrastructure for service integration). Of the 34 strategies identified across sites, 68% were still in progress after 4 months. Engaging in the readiness process resulted in a number of outputs (e.g., data management systems) and benefits (e.g., an opportunity to ensure alignment of priorities and fit of the intervention). Based on the interviews, facilitators of the readiness process included assistance from a coach, internal support, and access to the readiness tools. Competing priorities and lack of resources, timely decision-making, and the timing of the readiness process were cited as barriers. The importance of service fit, stakeholder engagement, access to a structured approach, and rightsizing the readiness process emerged as lessons learned. Conclusions These findings provide valuable insights into the application of a readiness process. If readiness is to be integrated into routine practice as part of any implementation effort, it is critical to gain a better understanding of its application and value.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,031
score de la tête « metaresearch » (Gemma)0,058
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,058
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,004
Communication savante0,0070,005
Science ouverte0,0020,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,923
Tête enseignante GPT0,771
Écart entre enseignants0,152 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImplementation Science CommunicationsMême sujetHealth Policy Implementation ScienceTravaux en français237 207