Exploring the barriers to and facilitators of implementing CanRisk in primary care: a qualitative thematic framework analysis
Notice bibliographique
Résumé
BACKGROUND: The CanRisk tool enables the collection of risk factor information and calculation of estimated future breast cancer risks based on the multifactorial Breast and Ovarian Analysis of Disease Incidence and Carrier Estimation Algorithm (BOADICEA) model. Despite BOADICEA being recommended in National Institute for Health and Care Excellence (NICE) guidelines and CanRisk being freely available for use, the CanRisk tool has not yet been widely implemented in primary care. AIM: To explore the barriers to and facilitators of the implementation of the CanRisk tool in primary care. DESIGN AND SETTING: A multi-methods study was conducted with primary care practitioners (PCPs) in the East of England. METHOD: Participants used the CanRisk tool to complete two vignette-based case studies; semi-structured interviews gained feedback about the tool; and questionnaires collected demographic details and information about the structural characteristics of the practices. RESULTS: Sixteen PCPs (eight GPs and eight nurses) completed the study. The main barriers to implementation included: time needed to complete the tool; competing priorities; IT infrastructure; and PCPs' lack of confidence and knowledge to use the tool. Main facilitators included: easy navigation of the tool; its potential clinical impact; and the increasing availability of and expectation to use risk prediction tools. CONCLUSION: There is now a greater understanding of the barriers and facilitators that exist when using CanRisk in primary care. The study has highlighted that future implementation activities should focus on reducing the time needed to complete a CanRisk calculation, integrating the CanRisk tool into existing IT infrastructure, and identifying appropriate contexts in which to conduct a CanRisk calculation. PCPs may also benefit from information about cancer risk assessment and CanRisk-specific training.
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 | 0,034 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».