MétaCan
Menu
Retour à la cohorte
Enregistrement W4206170721 · doi:10.1016/j.lanwpc.2021.100355

Evidence-based practice implementation in healthcare in China: a living scoping review

2022· article· en· W4206170721 sur OpenAlexaff
Junqiang Zhao, Wenhui Bai, Qian Zhang, Yujie Su, Jinfang Wang, DU Xiao-ning, Yajing Zhou, Chang gi Kong, Yanbing Qing, Shaohua Gong, Meiqi Meng, Changyun Wei, Dina Li, Wu Jian, Xuejing Li, Wenjun Chen, Jiale Hu

Notice bibliographique

RevueThe Lancet Regional Health - Western Pacific · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHealth careChinaMEDLINESystematic reviewMedicineNursingMedical educationPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Evidence-based practice (EBP) implementation plays a crucial role in bridging the knowledge-action gaps and reducing health inequities. Little is known about its development in China. This study aims to provide an overview of the EBP implementation research progress in healthcare in China and identify gaps for future studies. METHODS: We conducted a scoping review following the Joanna Briggs Institute scoping review methodology and the Cochrane Collaboration's guidance on living reviews. We performed a literature search in four Chinese databases (i.e., China National Knowledge Infrastructure, Wan Fang Database, The VIP Database, and China Biology Medicine) and three English databases (i.e., Ovid MEDLINE, the Cumulative Index to Nursing and Allied Health Literature, and EMBASE), Google scholar, and Baidu scholar from 1996 to 2021. We included EBP implementation studies conducted in healthcare settings in China and were published in Chinese and English literature. The search will be run on a regular basis to monitor the development of new literature and determine when to update the review. FINDINGS: Of the 11,276 records identified, we finally included 309 papers. The publications were on a sharp rise since 2013 and were predominantly from the nursing field (292/309, 94.50%). The commonly researched areas were symptom management (75/309, 24.27%), tube care (46/309, 14.89%), perioperative care (43/309, 13.92%), and fundamental care (43/309, 13.92%). Joanna Briggs Institute model was the most frequently used model to guide the implementation process (92/159, 59.75%). A median number of 8 people often comprised an implementation team, with 113 studies (36.57%) taking a multidisciplinary approach. 204 studies reported utilizing audit criteria to assist evaluation of evidence implementation rate with diversified methods measuring the criteria. Lack of knowledge, skills, and resources, and incomplete procedures or pathways were top barriers impeding EBP implementation. Leadership support was considered the most common facilitator. Education and training were the most frequently described implementation strategies for healthcare professionals and patients. Optimizing workflows and developing evaluation tools were the primary strategies adopted by organizations. 291 studies measured patient outcomes and 174 studies measured healthcare professional outcomes. INTERPRETATION: To our knowledge, this scoping review is the first one to systematically examine the EBP implementation research progress in healthcare in China. Based on this review, we identified contributions that Chinese EBP implementation research made to the global community, and provided eight recommendations for Chinese researchers in conducting implementation studies in the future. FUNDING: None.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,052
score de la tête « metaresearch » (Gemma)0,090
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,273

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,090
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0290,030
Études des sciences et des technologies0,0030,002
Communication savante0,0070,006
Science ouverte0,0030,004
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,643
Tête enseignante GPT0,672
Écart entre enseignants0,030 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Regional Health - Western PacificMême sujetHealth Policy Implementation ScienceTravaux en français237 207