Implementation Strategies to Support Evidence-Informed Symptom Management Among Outpatient Oncology Nurses: A Scoping Review Protocol
Notice bibliographique
Résumé
Abstract Introduction: Despite the availability of clinical practice guidelines for cancer symptom management, cancer care providers do not consistently utilize them in practice. Oncology nurses in outpatient settings are well-positioned to use established guidelines to inform symptom assessment and management; however, issues concerning inconsistent implementation persist. This scoping review aims to identify and describe the components of implementation strategies that have been used to enhance the adoption, implementation, and sustainability of symptom management guidelines among specialized and advanced oncology nurses in cancer-specific outpatient settings. Factors influencing guideline implementation will also be identified. Methods and analysis: This scoping review will follow Joanna Briggs Institute methodology. Electronic databases CINAHL, Embase, Emcare, MEDLINE(R), and grey literature sources will be searched for studies published in English since the year 2000. Primary studies and grey literature reports of any design that include specialized or advanced oncology nurses practicing in cancer-specific outpatient settings will be eligible. Sources describing implementation strategies to enhance the adoption, implementation, and sustainability of cancer symptom management guidelines and/or factors influencing implementation will be included. Two reviewers will independently screen for eligibility and extract data. Data extraction will be guided by the Consolidated Framework for Implementation Research (CFIR). Data will be analyzed descriptively and synthesized according to CFIR constructs. Results will be presented through tabular/diagrammatic formats and narrative summary. Ethics and dissemination: Ethics approval is not required for this scoping review. Planned knowledge translation activities include a national conference presentation, peer-reviewed publication, academic social media channels, and dissemination within local oncology nursing and patient networks.
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 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 | 0,129 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,022 | 0,017 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,013 |
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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».