MétaCan
Menu
Retour à la cohorte
Enregistrement W3154504422 · doi:10.1177/17407745211001504

Strategies for facilitating the delivery of cluster randomized trials in hospitals: A study informed by the CFIR-ERIC matching tool

2021· article· en· W3154504422 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueClinical Trials · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialBlueprintCluster randomised controlled trialImplementation researchProcess managementMatching (statistics)Identification (biology)Medical educationKnowledge managementMedicineComputer scienceNursingBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recruitment and engagement of clusters in a cluster randomized controlled trial can sometimes prove challenging. Identification of successful or unsuccessful strategies may be beneficial in guiding future researchers in conducting their cluster randomized controlled trial. This study aimed to identify strategies that could be used to facilitate the delivery of cluster randomized controlled trials in hospitals. METHODS: The study employed the Consolidated Framework for Implementation Research-Expert Recommendations for Implementing Change matching tool. The barriers and enablers to cluster randomized controlled trial conduct identified in our previously conducted studies served as a means of determinant identification for the conduct of cluster randomized controlled trials. These determinants were mapped to Consolidated Framework for Implementation Research constructs and then matched to Expert Recommendations for Implementing Change compilation strategies using the Consolidated Framework for Implementation Research-Expert Recommendations for Implementing Change matching tool. RESULTS: The Expert Recommendations for Implementing Change strategies matched to at least one determinant Consolidated Framework for Implementation Research construct were as follows: (1) 'Identify and prepare champions', (2) 'Conduct local needs assessment', (3) 'Conduct educational meetings', (4) 'Inform local opinion leaders', (5) 'Build a coalition', (6) 'Promote adaptability', (7) 'Develop a formal implementation blueprint', (8) 'Involve patients/consumers and family members', (9) 'Obtain and use patients/consumers and family feedback', (10) 'Develop educational materials', (11) 'Promote network weaving', (12) 'Distribute educational materials', (13) 'Access new funding' and (14) 'Develop academic partnerships'. CONCLUSION: This study was intended as a step in the research agenda aimed at facilitating cluster randomized controlled trial delivery in hospitals and can act as a resource for future researchers when planning their cluster randomized controlled trial, with the expectation that the strategies identified here will be tailored to each context.

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.

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)0,422
score de la tête « metaresearch » (Gemma)0,649
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,636

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,4220,649
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,837
Tête enseignante GPT0,746
Écart entre enseignants0,091 · 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