MétaCan
Menu
Retour à la cohorte
Enregistrement W3175588935 · doi:10.1186/s12912-021-00603-5

Optimizing a knowledge translation intervention: a qualitative formative study to capture knowledge translation needs in nursing homes

2021· article· en· W3175588935 sur OpenAlexaff
Trine‐Lise Dræge Steinskog, Oscar Tranvåg, Monica W. Nortvedt, Donna Ciliska, Birgitte Graverholt

Notice bibliographique

RevueBMC Nursing · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster University
Organismes subventionnairesNorges Forskningsråd
Mots-clésKnowledge translationThematic analysisPsychological interventionNursing researchMedicineContext (archaeology)Relevance (law)NursingQualitative researchFocus groupIntervention (counseling)Organizational cultureNursing managementHealth careKnowledge managementMedical educationSociologyPublic relationsComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Knowledge translation (KT) has emerged as an important consideration to reduce knowledge-to-practice gaps in healthcare settings. Research on KT approaches in nursing homes (NHs) is lacking. There is a need to understand the challenges faced in NHs and how these can be managed. This study is part of the larger IMPAKT (IMPlementation and Action for Knowledge Translation) study which addresses KT in NHs. The aim of the study presented here was to identify crucial staff and organizational needs in order to inform the development of a KT intervention in NHs. METHODS: A multimethod qualitative approach was applied. We invited practice development nurses (PDNs) to describe current practice, and to identify problems and needs concerning KT in NHs. We followed the recommendations of the development phase of the MRC framework for developing complex interventions. Data were collected through four focus groups and participatory observations in six NHs. Analysis was conducted according to structural thematic analysis based on a phenomenological hermeneutic method. RESULTS: We identified three themes that expressed the PDNs' perceived needs for successful KT implementation: (1) narrowing the PDN role, (2) developing an EBP culture and (3) establishing collaborative alliances. Nine subthemes derived from the PDNs' experiences and current practice, illustrating needs at individual, relational and organizational levels. CONCLUSIONS: Rigorous development of complex interventions may add relevance to the intervention, increase the likelihood of success and reduce research waste. Insight into the NH context and organization have helped us define problems and articulate needs that must be addressed when tailoring the IMPAKT intervention. TRIAL REGISTRATION: The IMPAKT trial was retrospectively registered in the ISRCTN Registry (Trial ID: 12,437,773) on March 19th, 2020.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,258
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,636
Tête enseignante GPT0,688
Écart entre enseignants0,052 · 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.

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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NursingMême sujetHealth Policy Implementation ScienceTravaux en français237 207