Serious Illness Care Programme—contextual factors and implementation strategies: a qualitative study
Notice bibliographique
Résumé
OBJECTIVES: The Serious Illness Care Programme (SICP) is a multicomponent evidence-based intervention that improves communication about patients' values and goals in serious illness. We aim to characterise implementation strategies for programme delivery and the contextual factors that influence implementation in three 'real-world' health system SICP initiatives. METHODS: We employed a qualitative thematic framework analysis of field notes collected during the first 1.5 years of implementation and a fidelity survey. RESULTS: Analysis revealed empiric evidence about implementation and institutional context. All teams successfully implemented clinician training and an electronic health record (EHR) template for documentation of serious illness conversations. When training was used as the primary strategy to engage clinicians, however, clinician receptivity to the programme and adoption of conversations remained limited due to clinical culture-related barriers (eg, clinicians' attitudes, motivations and practice environment). Visible leadership involvement, champion facilitation and automated EHR-based data feedback on documented conversations appeared to improve adoption. Implementing these strategies depended on contextual factors, including leadership support at the specialty level, champion resources and capacity, and EHR capabilities. CONCLUSIONS: Health systems need multifaceted implementation strategies to move beyond the limited impact of clinician training in driving improvement in serious illness conversations. These include EHR-based data feedback, involvement of specialty leaders to message the programme and align incentives, and local champions to problem-solve frontline challenges longitudinally. Implementation of these strategies depended on a favourable institutional context. Greater attention to the influence of contextual factors and implementation strategies may enable sustained improvements in serious illness conversations at scale.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».