Evaluating the Dissemination and Implementation Impact of a Rehabilitation Intervention: The Graded Repetitive Arm Supplementary Program (GRASP)
Notice bibliographique
Résumé
Purpose: To evaluate the dissemination and implementation impacts of a rehabilitation intervention. Methods: Systematic evaluation of data sources including academic publishing metrics, publications, and surveys was used to describe the dissemination and implementation impact of the graded repetitive arm supplementary program (GRASP). Three categories in the Payback Framework were evaluated: knowledge production and dissemination, benefits to future research and research use, and real-world uptake and implementation. Results: In the Knowledge production and dissemination category, seven publications, authored by the GRASP research team, were associated with the GRASP, and there were approximately 17,000 download counts of GRASP manuals from the website from 120 countries. In the Benefits to future research and research use category, 15 studies and 8 registered clinical trials, authored by researchers outside of the GRASP team, have used GRASP as an intervention. In the real-world uptake and implementation category, GRASP has informed recommendations in 2 clinical guidelines and 20 review papers, and had high implementation uptake (e.g., 35% [53/154] of UK therapists surveyed had used GRASP; 95% [649/681] who downloaded GRASP had used it). More than 75% of those who had used GRASP identified that GRASP provides more intensity in upper extremity rehabilitation, is evidence-based and easy to implement, and the equipment and manual are easy to obtain. Conclusion: The Payback Framework is useful to evaluate the dissemination and implementation impacts of a rehabilitation intervention. GRASP has been implemented extensively in clinical practice and community in a relatively short time since it has been developed.
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 | 0,266 | 0,495 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».