Sustaining a nursing best practice guideline in an acute care setting over 10 years: A mixed methods case study
Notice bibliographique
Résumé
Background: To improve patient outcomes many healthcare organizations have undertaken a number of steps to enhance the quality of care, including the use of evidence-based practices (EBPs) such as clinical practice guidelines. However, there is little empirical understanding of the longer-term use of guideline-based practices and how to ensure their ongoing use. The aim of this study was to identify the determinants and knowledge translation interventions (KTIs) influencing ongoing use of selected recommendations of an institutional pain policy and protocol over time from an organizational perspective and 10 years post implementation on two units within an acute care setting. Methods: = 16) level. Results: We identified 32 sustainability determinants and 29 KTIs influencing ongoing use of an EBP in acute care. Three determinants and eight KTIs had a continuous influence in all three time periods: implementation phase (0-2 yrs), sustained phase (>2-10 yrs.), and at the 10-year mark. Implementation of KTIs evolved with the level of application (e.g., department vs. unit) to fit the EBP within the context highlighting the need to focus on determinants influencing ongoing use. Sustainability was associated with continual efforts of monitoring and providing timely feedback regarding adherence to recommendations. KTIs used to embed recommendations into routine practices/processes positively influenced high adherence rates. Use of a participatory approach for implementation and sustainment and linking KTIs designed to incrementally address low adherence rates facilitated sustainment. Conclusion: This research provides insight into the relationship between implementation and sustainability determinants and related KTIs during implementation and sustained use phases. Unique determinants identified by department and unit nurses reflect their different perspectives toward the innovation based on their respective roles and responsibilities. KTIs fostered changed behaviors and facilitated EBP sustainment in acute care. Findings confirm the concept of sustainability is a dynamic "ongoing process."
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 | 0,020 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».