Building resilience in oncology teams: Protocol for a realist evaluation of multiple cases
Notice bibliographique
Résumé
BACKGROUND: Teams caring for people living with cancer face many difficult clinical situations that are compounded by the pandemic and can have serious consequences on professional and personal life. This study aims to better understand how a multi-component intervention builds resilience in oncology teams. The intervention is based on a salutogenic approach, theories and empirical research on team resilience at work. This intervention research involves partnership between researchers and stakeholders in defining situations of adversity and solutions appropriate to context. METHODS: The principles of realist evaluation are used to develop context-mechanism-outcome configurations of a multi-component intervention developed by researchers and field partners concerned with the resilience of oncology teams. The multiple case study involves oncology teams in natural contexts in four healthcare establishments in Québec (Canada). Qualitative and quantitative methods are employed. Qualitative data from individual interviews, group interviews and observation are analyzed using thematic content analysis. Quantitative data are collected through validated questionnaires measuring team resilience at work and its effect on teaming processes and cost-effectiveness. Integration of these data enables the elucidation of associations between intervention, context, mechanism and outcome. DISCUSSION: The study will provide original data on contextual factors and mechanisms that promote team resilience in oncology settings. It suggests courses of action to better manage difficult situations that arise in a specialized care sector, minimize their negative effects and learn from them, during and after the waves of the pandemic. The mechanisms for problem resolution and arriving at realistic solutions to professional workforce and team effectiveness challenges can help improve practices in other settings.
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 | 0,103 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 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 ».