A Research Protocol for Implementation and Evaluation of a Patient-Focused eHealth Intervention for Chronic Kidney Disease
Notice bibliographique
Résumé
Abstract Self-management in chronic kidney disease (CKD) can slow disease progression; however, there are few tools available to support patients with early CKD. My Kidneys My Health is a patient-focused electronic health (eHealth) self-management tool developed by patients and caregivers. This study will investigate the implementation of My Kidneys My Health across primary care and general nephrology clinics. The study aims to: (1) identify and address barriers and facilitators that may impact implementation and sustainability of the website into routine clinical care; (2) evaluate implementation quality to inform spread and scale-up. We will conduct a multi-stage approach using qualitative methods, guided by the Quality Implementation Framework and using a qualitative content analysis approach. First, we will identify perceived barriers and facilitators to implementation and considerations for sustainability through interviews with clinicians, based on the Readiness Thinking Tool and the Long Term Success Tool. Analysis will be guided by the Consolidated Framework for Implementation Research and the Theoretical Domains Framework. Appropriate implementation strategies will be identified using the Expert Recommendations for Implementing Change compilation, and implementation plans will be developed based on Proctor’s recommendations and the Action, Actor, Context, Target, Time framework. Finally, we will explore implementation quality guided by the RE-AIM framework. There is limited literature describing systematic approaches to implementing and sustaining patient-focused self-management tools into clinical care, in addition to employing tailored implementation strategies to promote adoption and sustainability. We aim to generate insights on how My Kidneys My Health can be integrated into clinical care and how to sustain use of patient-centric eHealth tools in clinical settings on a larger 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 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 | 0,152 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,105 | 0,023 |
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 ».