MétaCan
Menu
Retour à la cohorte
Enregistrement W4366213670 · doi:10.3389/frhs.2023.1112936

Facilitating facilitators to facilitate—Some general comments on a strategy for knowledge implementation in health services

2023· article· en· W4366213670 sur OpenAlexfundno aff
Ann Catrine Eldh, Maria Hälleberg Nyman, Eva Joelsson‐Alm, Lars Wallin

Notice bibliographique

RevueFrontiers in Health Services · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensnon disponible
Organismes subventionnairesKarolinska InstitutetHögskolan DalarnaRegion ÖstergötlandUniversity of Ottawa
Mots-clésFacilitatorContext (archaeology)Psychological interventionComprehensionQuality (philosophy)Knowledge managementHealth careQuality managementPsychologyProcess managementComputer scienceNursingMedicineBusinessPolitical scienceService (business)Social psychology

Résumé

récupéré en direct d'OpenAlex

Numerous endeavours to ensure that day-to-day healthcare is both evidence-based and person-centred have generated extensive, although partial, comprehension of what guarantees quality improvement. To address quality issues, researchers and clinicians have developed several strategies as well as implementation theories, models, and frameworks. However, more progress is needed regarding how to facilitate guideline and policy implementation that guarantees effective changes take place in a timely and safe manner. This paper considers experiences of engaging and supporting local facilitators in knowledge implementation. Drawing on several interventions, considering both training and support, this general commentary discusses whom to engage and the length, content, quantity, and type of support along with expected outcomes of facilitators' activities. In addition, this paper suggests that patient facilitators could help produce evidence-based and person-centred care. We conclude that research about the roles and functions of facilitators needs to include more structured follow-ups and also improvement projects. This can increase the speed of learning with respect to what works, for whom, in what context, why (or why not), and with what outcomes when it comes to facilitator support and tasks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,374
Tête enseignante GPT0,603
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Health ServicesMême sujetHealth Policy Implementation ScienceTravaux en français237 207