MétaCan
Menu
Retour à la cohorte
Enregistrement W4385239054 · doi:10.7202/1102061ar

Pré-implémentation d’indicateurs de fragilité et de complexité dans les soins à domicile : une analyse à l’aide de l’Implementation Research Logic Model

2023· article· fr· W4385239054 sur OpenAlexvenueno aff
Catherine Busnel, Anne Bridier-Boloré, Fanny Vallet, Catherine Ludwig

Notice bibliographique

RevueScience of Nursing and Health Practices · 2023
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)InstitutionAnticipation (artificial intelligence)Process managementComputer scienceProcess (computing)Logic modelKey (lock)Knowledge managementPolitical scienceBusinessComputer security

Résumé

récupéré en direct d'OpenAlex

Introduction : Des indicateurs cliniques de fragilité et de complexité des situations de soins à domicile sont dérivés de l’interRAI HC, mais leur implémentation dans la pratique demande une analyse précise et préalable du contexte de soins dans lequel ils pourraient être utilisés. L’Implementation Research Logic Model (IRLM) est un cadre de référence mobilisable pour l’ensemble du processus d’implémentation notamment pour la pré-implémentation, une étape indispensable, bien que souvent négligée. Objectif : Cet article vise à présenter une démarche d’application du modèle IRLM qui précise les éléments clés (déterminants, stratégies, mécanismes et retombées) de l’étape de pré-implémentation. Démarche : L’implémentation prend place à l’institution genevoise de maintien à domicile (imad) en Suisse. Les données recueillies (ex. caractéristiques de l’institution, questionnaire auprès des infirmières) sont classées dans l’IRLM par un groupe de travail. Évaluation : L’analyse des éléments de pré-implémentation pointe les déterminants contextuels pouvant favoriser l’implémentation (ex. disponibilité des indicateurs cliniques et protocoles de prise en soins) ou la freiner (ex. multiplicité des informations). Par ailleurs, les stratégies mises en place et les retombées recueillies à ce stade (ex. intégration des indicateurs dans le dossier du patient, peu de résistance au changement) sont décrites. Discussion et conclusion : L’anticipation et l’analyse des conditions dans lesquelles prend place l’implémentation dès la phase de pré-implémentation permettent de recueillir des informations essentielles sur des recommandations d’adaptation des actions aux contextes spécifiques et aux réalités concrètes. La mise en place de stratégies étape par étape devrait contribuer à relever le défi du transfert de nouvelles connaissances à la pratique clinique contextualisée.

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)0,118
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,372
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1180,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,002
Science ouverte0,0000,000
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 Opus0,873
Tête enseignante GPT0,690
Écart entre enseignants0,183 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience of Nursing and Health PracticesMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207