Patient-reported outcome measures in pediatric asthma care: using theoretical domains framework to explore healthcare providers’ perceptions
Notice bibliographique
Résumé
BACKGROUND: Patient-reported outcome measures (PROMs) play an important role in promoting and supporting patient and family-centered care. Implementing interventions like PROMs in routine clinical care require key stakeholders to change their behavior. The aim of this study was to utilize the Theoretical Domains Framework (TDF) to identify barriers and enablers to the implementation of PROMs in pediatric outpatient asthma clinics from healthcare providers' perspective. METHODS: This TDF-guided qualitative descriptive study is part of a larger multi-phase project to develop the KidsPRO program, an electronic platform to administer, collect, and use PROMs in pediatrics. Semi-structured qualitative interviews were conducted with 17 participants, which included pediatricians, nurses, allied health professionals and administrative staff from outpatient asthma clinics. All the interviews were transcribed, deductively coded, inductively grouped in themes, and categorized into barriers and enablers. RESULTS: We identified 33 themes within 14 TDF domains, which were further categorized and tabulated into 16 barriers and 17 enablers to implementing PROMs in asthma clinics. Barriers to behavioral change were attributed to personal, clinical, non-clinical, and other system-level factors; they ranged from limited awareness of PROMs to language barriers and patient's complex family background. Enablers ranged from a personal commitment to providing patient and family-centered care to administering PROMs electronically. CONCLUSION: This implementation of science-based systematic inquiry captured the complexity of PROMs implementation in pediatric outpatient clinical care for asthma. Considering the consistency in barriers and enablers to implementing PROMs across patient populations and care settings, many findings of this study will be directly applicable to other pediatric healthcare 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 | 0,042 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».