Barriers and facilitators to implementing evidence-based guidelines in long-term care: a qualitative evidence synthesis
Notice bibliographique
Résumé
BACKGROUND: The long-term care setting poses unique challenges and opportunities for effective knowledge translation. The objectives of this review are to (1) synthesize barriers and facilitators to implementing evidence-based guidelines in long-term care, as defined as a home where residents require 24-h nursing care, and 50% of the population is over the age of 65 years; and (2) map barriers and facilitators to the Behaviour Change Wheel framework to inform theory-guided knowledge translation strategies. METHODS: Following the guidance of the Cochrane Qualitative and Implementation Methods Group Guidance Series and the ENTREQ reporting guidelines, we systematically reviewed the reported experiences of long-term care staff on implementing evidence-based guidelines into practice. MEDLINE Pubmed, EMBASE Ovid, and CINAHL were searched from the earliest date available until May 2021. Two independent reviewers selected primary studies for inclusion if they were conducted in long-term care and reported the perspective or experiences of long-term care staff with implementing an evidence-based practice guideline about health conditions. Appraisal of the included studies was conducted using the Critical Appraisal Skills Programme Checklist and confidence in the findings with the GRADE-CERQual approach. FINDINGS: After screening 2680 abstracts, we retrieved 115 full-text articles; 33 of these articles met the inclusion criteria. Barriers included time constraints and inadequate staffing, cost and lack of resources, and lack of teamwork and organizational support. Facilitators included leadership and champions, well-designed strategies, protocols, and resources, and adequate services, resources, and time. The most frequent Behaviour Change Wheel components were physical and social opportunity and psychological capability. We concluded moderate or high confidence in all but one of our review findings. CONCLUSIONS: Future knowledge translation strategies to implement guidelines in long-term care should target physical and social opportunity and psychological capability, and include interventions such as environmental restructuring, training, and education.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
| grok | Méta-épidémiologie (sens large) Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
| opus | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
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 | 0,131 | 0,188 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,013 | 0,018 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 validéeÉtiqueté directement par 3 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».