MétaCan
Menu
Retour à la cohorte
Enregistrement W4385637916 · doi:10.1186/s12961-023-01028-z

The Implementation in Context (ICON) Framework: A meta-framework of context domains, attributes and features in healthcare

2023· article· en· W4385637916 sur OpenAlexafffund
Janet E. Squires, Ian D. Graham, Wilmer J. Santos, Alison M. Hutchinson, Chantal Backman, Anna Bergström, Jamie Brehaut, Melissa Brouwers, Christopher R Burton, Ligyana Korki de Cândido, Christine Cassidy, Cheyne Chalmers, Anna Chapman, Heather Colquhoun, Janet Curran, Melissa Demery Varin, Paula Doering, Annette Elliott Rose, Lee Fairclough, Jill Francis, Christina Godfrey, Megan Greenough, Jeremy Grimshaw, Doris Grinspun, Gill Harvey, Michael Hillmer, Noah Ivers, John N. Lavis, Shelly‐Anne Li, Susan Michie, Wayne C. Miller, Thomas Noseworthy, Tamara Rader, Mark E. Robson, Jo Rycroft‐Malone, Dawn Stacey, Sharon E. Straus, Andrea C. Tricco, Lars Wallin, Vanessa Watkins

Notice bibliographique

RevueHealth Research Policy and Systems · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchBarwon Health FoundationUppsala UniversitetKillam TrustsOntario Ministry of Health and Long-Term CareDalhousie UniversityUniversity of TorontoFlinders UniversityUniversity College LondonRegistered Nurses' Association of OntarioDeakin UniversityHögskolan DalarnaQueen's UniversityCanterbury Christ Church UniversityUniversity of OttawaMcMaster UniversityOttawa Hospital Research Institute
Mots-clésContext (archaeology)Health administrationIconHealth services researchHealth careMeta-analysisHealth informaticsPublic healthMedicineComputer scienceNursingPolitical scienceGeographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is growing evidence that context mediates the effects of implementation interventions intended to increase healthcare professionals' use of research evidence in clinical practice. However, conceptual clarity about what comprises context is elusive. The purpose of this study was to advance conceptual clarity on context by developing the Implementation in Context Framework, a meta-framework of the context domains, attributes and features that can facilitate or hinder healthcare professionals' use of research evidence and the effectiveness of implementation interventions in clinical practice. METHODS: We conducted a meta-synthesis of data from three interrelated studies: (1) a concept analysis of published literature on context (n = 70 studies), (2) a secondary analysis of healthcare professional interviews (n = 145) examining context across 11 unique studies and (3) a descriptive qualitative study comprised of interviews with heath system stakeholders (n = 39) in four countries to elicit their tacit knowledge on the attributes and features of context. A rigorous protocol was followed for the meta-synthesis, resulting in development of the Implementation in Context Framework. Following this meta-synthesis, the framework was further refined through feedback from experts in context and implementation science. RESULTS: In the Implementation in Context Framework, context is conceptualized in three levels: micro (individual), meso (organizational), and macro (external). The three levels are composed of six contextual domains: (1) actors (micro), (2) organizational climate and structures (meso), (3) organizational social behaviour (meso), (4) organizational response to change (meso), (5) organizational processes (meso) and (6) external influences (macro). These six domains contain 22 core attributes of context and 108 features that illustrate these attributes. CONCLUSIONS: The Implementation in Context Framework is the only meta-framework of context available to guide implementation efforts of healthcare professionals. It provides a comprehensive and critically needed understanding of the context domains, attributes and features relevant to healthcare professionals' use of research evidence in clinical practice. The Implementation in Context Framework can inform implementation intervention design and delivery to better interpret the effects of implementation interventions, and pragmatically guide implementation efforts that enhance evidence uptake and sustainability by healthcare professionals.

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)0,043
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0430,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,666
Tête enseignante GPT0,694
Écart entre enseignants0,029 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations35
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Research Policy and SystemsMême sujetHealth Policy Implementation ScienceTravaux en français237 207