Theory-guided development of fertility care implementation strategies for adolescents and young adult cancer survivors
Notice bibliographique
Résumé
Abstract Background Oncofertility care remains under-implemented across oncology and fertility care settings, with limited tools to scale up effective implementation strategies. Guided by the Consolidated Framework for Implementation Research (CFIR), we aimed to systematically assess factors that influence implementation of oncofertility care and map strategies, particularly electronic health record (EHR)-enabled ones, that fit adult and pediatric oncology care contexts. Methods Using purposeful sampling, we recruited healthcare providers and female adolescent and young adult (AYA) cancer survivors from a comprehensive cancer center and a freestanding children’s hospital. Participants underwent semi-structured interviews and focus groups. Using thematic analysis combining inductive codes with CFIR-based deductive codes, we characterized barriers and facilitators to oncofertility care and implementation strategies. Two coders independently coded each transcript, with a third coder resolving discrepancies by consensus. Results We recruited 19 oncology and fertility providers and 9 AYA survivors. We identified barriers and facilitators to fertility care in the CFIR domains of individual, inner setting, outer setting, and process, allowing us to conceptualize oncofertility care in three necessary stages: screening, referral, and fertility preservation counseling. To fit an adult and a children’s context, five implementation strategies were mapped: needs screen using a best practice advisory, referral order, telehealth fertility counseling, provider audit and feedback, and a provider educational session. All but provider education are facilitated by the EHR system. Conclusions An implementation science approach enabled systematic assessment of oncofertility care and co-design of implementation strategies with stakeholders, providing a theory-based approach and scalable EHR tools to support wider dissemination.
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 | 0,042 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».