Implementation of the Single Site Order in Long-Term Care: What We Can Learn from Using the Consolidated Framework for Implementation Research
Notice bibliographique
Résumé
Context: To mitigate the risk of spread of COVID-19 in long-term care (LTC), the Public Health Agency of Canada instituted several rapid redesign and resource redeployment practices, including single-site policies. Objective: This study aims to understand factors that influence implementation of the Single Site Order (SSO). Methods: Consolidated Framework for Implementation Research (CFIR) guided data collection and analysis. Ten leadership team members and 18 staff were interviewed across 4 LTC homes in British Columbia (BC), Canada. In NVivo 12, a deductive framework analysis was used. Findings: Seven notable CFIR constructs (intervention source, evidence strength and quality, costs, culture, networks and communication, readiness for implementation, and patient needs and resources) were found to be most influential in the implementation of the SSO. We present these constructs and the factors within. Limitations: Our study was limited to the BC context. However, we believe that the findings offer useful insights into the complexity of policy implementation in LTC. Implications: In a system already facing staffing concerns and a highly dependent and increasingly frail resident population, implementation of the SSO further taxed already stretched resources.
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 | 0,454 | 0,406 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,008 | 0,037 |
| Communication savante | 0,026 | 0,028 |
| Science ouverte | 0,009 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».