MétaCan
Menu
Retour à la cohorte
Enregistrement W3037292067 · doi:10.1186/s12913-020-05255-w

Use of the theoretical domains framework and behaviour change wheel to develop a novel intervention to improve the quality of multidisciplinary cancer conference decision-making

2020· article· en· W3037292067 sur OpenAlexaff
Christine Fahim, Anita Acai, Meghan McConnell, Frances C. Wright, Ranil Sonnadara, Marko Šimunović

Notice bibliographique

RevueBMC Health Services Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of OttawaUniversity of TorontoMcMaster UniversityImpact
Organismes subventionnairesnon disponible
Mots-clésFacilitatorKnowledge translationMedicinePsychological interventionNursing researchFocus groupContext (archaeology)ChecklistIntervention (counseling)Health informaticsMedical educationMultidisciplinary approachNursingPsychologyPublic healthKnowledge managementComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Multidisciplinary Cancer Conferences (MCCs) are prospective meetings involving cancer specialists to discuss treatment plans for patients with cancer. Despite reported gaps in MCC quality, there have been few efforts to improve its functioning. The purpose of this study was to use theoretically-rooted knowledge translation (KT) theories and frameworks to inform the development of a strategy to improve MCC decision-making quality. METHODS: A multi-phased approach was used to design an intervention titled the KT-MCC Strategy. First, key informant interviews framed using the Theoretical Domains Framework (TDF) were conducted with MCC participants to identify barriers and facilitators to optimal MCC decision-making. Second, identified TDF domains were mapped to corresponding strategies using the COM-B Behavior Change Wheel to develop the KT-MCC Strategy. Finally, focus groups with MCC participants were held to confirm acceptability of the proposed KT-MCC Strategy. RESULTS: Data saturation was reached at n = 21 interviews. Twenty-seven barrier themes and 13 facilitator themes were ascribed to 11 and 10 TDF domains, respectively. Differences in reported barriers by physician specialty were observed. The resulting KT-MCC Strategy included workshops, chair training, team training, standardized intake forms and a synoptic discussion checklist, and, audit and feedback. Focus groups (n = 3, participants 18) confirmed the acceptability of the identified interventions. CONCLUSION: Myriad factors were found to influence MCC decision making. We present a novel application of the TDF and COM-B to the context of MCCs. We comprehensively describe the barriers and facilitators that impact MCC decision making and propose strategies that may positively impact the quality of MCC decision making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,354
Tête enseignante GPT0,550
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

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

Citations41
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207