MétaCan
Menu
Retour à la cohorte
Enregistrement W3119552443 · doi:10.1186/s12913-020-06031-6

How do inner and outer settings affect implementation of a community-based innovation for older adults with a serious illness: a qualitative study

2021· article· en· W3119552443 sur OpenAlexafffundabout
Grace Warner, Emily Kervin, Barb Pesut, Robin Urquhart, Wendy Duggleby, Taylor G. Hill

Notice bibliographique

RevueBMC Health Services Research · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of AlbertaOkanagan University CollegeMount Saint Vincent UniversityUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaDalhousie University
Organismes subventionnairesCanadian Cancer Society Research InstituteCanadian Institutes of Health ResearchCancer Research Institute
Mots-clésImplementation researchNursing researchHealth administrationQualitative researchMedicineHealth careHealth informaticsPublic healthContext (archaeology)NursingPalliative carePolitical sciencePsychological interventionSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Implementing community-based innovations for older adults with serious illness, who are appropriate for a palliative approach to care, requires developing partnerships between health and community. Nav-CARE is an evidence-based innovation wherein trained volunteer navigators advocate, facilitate community connections, coordinate access to resources, and promote active engagement of older adults within their communities. Acknowledging the importance of partnerships between organizations, the aim of our study was to use the Consolidated Framework for Implementation Research (CFIR) to explore organizational (Inner Setting) and community or health system level (Outer Setting) barriers and facilitators to Nav-CARE implementation. METHODS: Guided by CFIR, qualitative individual and group interviews were conducted to examine the implementation of Nav-CARE in a Canadian community. Participants were individuals who delivered or managed Nav-CARE research, and stakeholders who provided services in the community. The Framework Method was used to analyse the data. Particular attention was paid to the host organization's external network and community context. RESULTS: Implementation was affected by several inter-related CFIR domains, making it difficult to meaningfully separate key findings by only inner and outer settings. Thus, findings were organized into themes informed by CFIR, that cut across other domains and incorporated inductive findings: intraorganizational perceptions of Nav-CARE; public and healthcare professionals' perceptions of palliative care; interorganizational partnerships and relationships; community and national-level factors that should have facilitated Nav-CARE implementation; and suggested changes to Nav-CARE. Themes demonstrated barriers to implementing Nav-CARE, such as poor organizational readiness for implementation, and public and health provider perceptions palliative care was synonymous with fast-approaching death. CONCLUSIONS: Implementation science frameworks and theories commonly focus on assessing implementation of innovations within facilities and changing behaviours of individuals within that organizational structure. Implementation frameworks need to be adapted to better assess Outer Setting factors that affect implementation of community-based programs. Although applying the CFIR helped uncover critical elements in the Inner and Outer Settings that affected implementation of Nav-CARE. Our study suggests that the CFIR could expand the Outer Setting to acknowledge and assess organizational structures and beliefs of individuals within organizations external to the host organization who impact successful implementation of community-based innovations.

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)0,019
score de la tête « metaresearch » (Gemma)0,025
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 enseignants0,028
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,025
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,010
Communication savante0,0040,005
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,381
Tête enseignante GPT0,683
Écart entre enseignants0,302 · 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

Citations23
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207