Key conditions for the successful uptake and implementation of evidence-based practice in concurrent disorder nursing care with the ECHO Model: insights from a mixed methods study
Notice bibliographique
Résumé
Abstract Background: People with concurrent mental health and substance use disorders have complex biopsychosocial problems, but risk not having their healthcare needs met. Nurses are positioned to meet these needs but often lack training in concurrent disorder management. Extension for Community Healthcare Outcomes (ECHO©) is a promising technology-enabled collaborative learning model used to implement evidence-based practice and build capacity among healthcare professionals in managing complex, chronic health conditions. This study aimed to understand how an ECHO program for concurrent disorder management impacts nurses’ competency development and clinical practice, and uncover key conditions for successful uptake and implementation. Methods: We used a mixed-methods convergent design to collect, analyze, and interpret data from nurse participants in the first two years of a Canadian ECHO program for concurrent disorder management. Two studies were conducted simultaneously: (1) an uncontrolled before-and-after study using online surveys at baseline, 6 months, and 12 months to measure changes in nurse-related outcomes, with self-efficacy in concurrent disorder competencies as the primary outcome; and (2) a qualitative, interpretive description study using individual semi-structured interviews with a nurse subgroup, to explore how they developed and implemented competencies, and what factors influenced this process. Quantitative and qualitative results were then merged for comparison and complementarity, using the Pillar Integration Process. Results: Six interrelated conditions were identified for successful uptake and implementation of evidence-based practice in nursing care: (1) Practice and validation opportunities; (2) Reciprocal and trusting relationships in an interprofessional learning environment; (3) Peer-to-peer experience sharing and mentoring; (4) Collaboration with experts; (5) Reinforcement of positive attitudes about professional work in complex or adverse situations; (6) Learning experiences that are team-based, tailored to the setting, and organizationally supported. Conclusions: Outcome measures, perspectives, and experiences collected over 12 months indicated that ECHO contributed to nurses’ competency development and, under some conditions, to effective nursing practice changes. Given the challenges in implementing clinical guidelines in concurrent disorder nursing care, our results highlight the importance of understanding the key conditions for successful uptake and implementation. This informs approaches to optimally adapt implementation strategies to the needs and specificities of nurses, to obtain impactful, sustainable results.
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 | 0,148 | 0,171 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».