What Works in Implementing Patient Decision Aids in Routine Clinical Settings? A Rapid Realist Review and Update from the International Patient Decision Aid Standards Collaboration
Notice bibliographique
Résumé
BACKGROUND: Decades of effectiveness research has established the benefits of using patient decision aids (PtDAs), yet broad clinical implementation has not yet occurred. Evidence to date is mainly derived from highly controlled settings; if clinicians and health care organizations are expected to embed PtDAs as a means to support person-centered care, we need to better understand what this might look like outside of a research setting. AIM: This review was conducted in response to the IPDAS Collaboration's evidence update process, which informs their published standards for PtDA quality and effectiveness. The aim was to develop context-specific program theories that explain why and how PtDAs are successfully implemented in routine healthcare settings. METHODS: Rapid realist review methodology was used to identify articles that could contribute to theory development. We engaged key experts and stakeholders to identify key sources; this was supplemented by electronic database (Medline and CINAHL), gray literature, and forward/backward search strategies. Initial theories were refined to develop realist context-mechanism-outcome configurations, and these were mapped to the Consolidated Framework for Implementation Research. RESULTS: We developed 8 refined theories, using data from 23 implementation studies (29 articles), to describe the mechanisms by which PtDAs become successfully implemented into routine clinical settings. Recommended implementation strategies derived from the program theory include 1) co-production of PtDA content and processes (or local adaptation), 2) training the entire team, 3) preparing and prompting patients to engage, 4) senior-level buy-in, and 5) measuring to improve. CONCLUSIONS: We recommend key strategies that organizations and individuals intending to embed PtDAs routinely can use as a practical guide. Further work is needed to understand the importance of context in the success of different implementation studies.
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 | 0,178 | 0,325 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,029 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».