MétaCan
Menu
Retour à la cohorte
Enregistrement W4225834114 · doi:10.1177/20543581221084502

Protocol for a Process Evaluation of the Quality Improvement Intervention to Enhance Access to Kidney Transplantation and Living Kidney Donation (EnAKT LKD) Cluster-Randomized Clinical Trial

2022· article· en· W4225834114 sur OpenAlexaffabout
Seychelle Yohanna, Mackenzie Wilson, Kyla L. Naylor, Amit X. Garg, Jessica M. Sontrop, Dmitri Belenko, Lori Elliott, Susan McKenzie, Sara Macanovic, István Mucsi, Rachel E. Patzer, Irina Voronin, Iris Lui, Peter G. Blake, Amy D. Waterman, Darin Treleaven, Justin Presseau

Notice bibliographique

RevueCanadian Journal of Kidney Health and Disease · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of TorontoWestern UniversityOntario Stroke NetworkOttawa HospitalGrand River HospitalMcMaster UniversityTrillium Therapeutics (Canada)St. Joseph’s Healthcare Hamilton
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney diseaseKidney transplantationChecklistIntervention (counseling)Randomized controlled trialTransplantationHealth careDialysisFamily medicineNursingInternal medicinePsychology

Résumé

récupéré en direct d'OpenAlex

Background: Many patients who would benefit from a kidney transplant never receive one. The Enhance Access to Kidney Transplantation and Living Kidney Donation (EnAKT LKD) pragmatic, cluster-randomized clinical trial is testing whether a multi-component quality improvement intervention, provided in chronic kidney disease (CKD) programs (vs. usual care), can help patients with CKD with no recorded contraindications to kidney transplant complete more steps toward receiving a transplant (primary outcome of the trial). The EnAKT LKD intervention has 4 components: (1) quality Improvement teams and administrative support, (2) improved transplant education for patients and healthcare providers, (3) access to support and (4) program-level performance monitoring. Objective: To conduct a process evaluation of the EnAKT LKD quality improvement intervention to determine if the components were delivered, received, and enacted as designed (fidelity), and if the intervention addressed intended barriers (mechanisms of change). Design: A mixed-methods process evaluation informed by new practice implementation and theories of behavior change. Setting: Chronic kidney disease programs in Ontario, Canada, began receiving the EnAKT LKD intervention on November 1, 2017 and will continue to receive it until December 31, 2021. The process evaluation (interviews and surveys) will occur alongside the trial, between December 2020 to May 2021. Participants: Healthcare providers (eg, dialysis nurses, nephrologists, members of the multi-care kidney clinic team) at Ontario's 27 CKD programs. Methods: We will survey and interview healthcare providers at each CKD program, and complete an intervention implementation checklist. Quantitative data from the surveys and the intervention implementation checklist will assess fidelity to the intervention, while quantitative and qualitative data from surveys and interviews will provide insight into the mechanisms of change. Limitations: The long trial period may result in poor participant recall. Conclusion: This process evaluation will enhance interpretation of the trial findings, guide improvements in the intervention components, and inform future implementation. Trial registration: Clinicaltrials.gov; identifier: NCT03329521.

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)0,082
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,595

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0820,081
Méta-épidémiologie (sens strict)0,0080,005
Méta-épidémiologie (sens large)0,0100,006
Bibliométrie0,0040,006
Études des sciences et des technologies0,0080,005
Communication savante0,0080,005
Science ouverte0,0050,003
Intégrité de la recherche0,0080,014
Charge utile insuffisante (le modèle a refusé de juger)0,1780,032

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 Opus0,433
Tête enseignante GPT0,681
Écart entre enseignants0,249 · 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'étudeEssai non randomisé
Domainenon disponible
GenreProtocole

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

En bref

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Kidney Health and DiseaseMême sujetHealth Policy Implementation ScienceTravaux en français237 207