MétaCan
Menu
Retour à la cohorte
Enregistrement W3160896769 · doi:10.1080/26408066.2021.1924912

Implementation Fidelity in the Replication of Tuning in to Teens (TINT) Adapted for Adoptive Parents and Guardians in the US

2021· article· en· W3160896769 sur OpenAlexaff
Kerrie Ocasio, Nancy Rolock, Brett Greenfield, Rebecca Gallese, John A. Webb, Sophie S. Havighurst, Rowena Fong, Michael J. MacKenzie

Notice bibliographique

RevueJournal of Evidence-Based Social Work · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Welfare and Adoption
Établissements canadiensMcGill University
Organismes subventionnairesU.S. Department of Health and Human Services
Mots-clésReplication (statistics)FidelityInternet privacyPsychologyComputer scienceTelecommunicationsBiologyVirology

Résumé

récupéré en direct d'OpenAlex

Purpose: Clear explication of the conditions necessary to reproduce results is imperative in the development of evidence-based interventions.Methods: This study used a fidelity framework to guide the exploration of implementation fidelity in a study of the Tuning in to Teens (TINT) intervention in New Jersey. TINT is an evidence-based prevention program – previously tested with parents of pre-adolescents to reduce emotionally dismissive parenting – that was adapted for use with adoptive and guardianship families.Results: The review of intervention design adaptation and protocols; intervention training; and monitoring of intervention delivery revealed extensive efforts by an adoption clinician, the purveyor of the program, and an implementation team to support the implementation efforts. Results of the monitoring of intervention receipt indicate that the intervention was implemented with high fidelity.Discussion: Future intervention research should consider assessing the effects of implementation efforts on outcomes to improve replication under real-world conditions. Regardless, this exploration of fidelity has implications for public and private organizations seeking to implement an evidence-based intervention. The framework developed by Gearing and Colleagues and the TIDieR checklist could provide useful guidance when planning for and reporting on implementation fidelity in the furtherance of developing and disseminating evidence-based interventions.

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 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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,141
Tête enseignante GPT0,418
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Evidence-Based Social WorkMême sujetChild Welfare and AdoptionTravaux en français237 207