Prospective application of implementation science theories and frameworks to inform use of PROMs in routine clinical care within an integrated pain network
Notice bibliographique
Résumé
PURPOSE: The objective of this study is to present the implementation science approaches that were used before implementing electronic patient-reported outcome measures (ePROMs) across an integrated chronic pain network that includes primary, rehabilitation, and hospital-based care. METHODS: The Theoretical Domains Framework (TDF) was used to identify potential barriers and enablers to the use of ePROMS by primary care clinicians. In rehabilitation and tertiary care, the Consolidated Framework for Implementation (CFIR) was used to guide the identification of determinants of implementations, through observation of workflow, patient and clinician surveys, and clinician interviews. A mixed-method concurrent design comprising a quantitative and qualitative analysis was used. The results were reviewed by a steering committee to iteratively inform the ePROM implementation plan. The Proctor framework of evaluation was used to guide the development of an evaluation plan for the implementation of ePROMs in the integrated chronic pain network. RESULTS: Both frameworks provided similar results with respect to healthcare provider knowledge, behaviour, and experience interpreting PROM scores. The TDF and CFIR frameworks differed in identifying organizational-level determinants. The resultant implementation plan was structured around the adoption of PROMs to inform individual treatment planning and quality improvement. The evaluation plan focused on implementation and impact outcomes to evaluate the ePROM intervention. CONCLUSIONS: The TDF and CFIR guided the development of a multi-component knowledge translation and training intervention that will address multiple gaps and barriers to implementation of PROMs across the integrated network. The ePROM intervention will aim to increase clinicians' knowledge and skills and foster best 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 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 | 0,304 | 0,348 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».