Primary healthcare provider experience of knowledge brokering interventions for mood management
Notice bibliographique
Résumé
Background: Knowledge brokering is a knowledge translation strategy used in healthcare settings to facilitate the implementation of evidence into practice. How healthcare providers perceive and respond to various knowledge translation approaches is not well understood. This qualitative study used the Theoretical Domains Framework to examine healthcare providers' experiences with receiving one of two knowledge translation strategies: a remote knowledge broker (rKB); or monthly emails, for encouraging delivery of mood management interventions to patients enrolled in a smoking cessation program. Methods: Semi-structured interviews were conducted with 21 healthcare providers recruited from primary care teams. We used stratified purposeful sampling to recruit participants who were allocated to receive either the rKB, or a monthly email-based knowledge translation strategy as part of a cluster randomized controlled trial. Interviews were structured around domains of the Theoretical Domains Framework (TDF) to explore determinants influencing practice change. Data were coded into relevant domains. Results: Both knowledge translation strategies were considered helpful prompts to remind participants to deliver mood interventions to patients presenting depressive symptoms. Neither strategy appeared to have influenced the health care providers on the domains we probed. The domains pertaining to knowledge and professional identity were perceived as facilitators to implementation, while domains related to beliefs about consequences, emotion, and environmental context acted as barriers and/or facilitators to healthcare providers implementing mood management interventions. Conclusion: Both strategies served as reminders and reinforced providers' knowledge regarding the connection between smoking and depressed mood. The TDF can help researchers better understand the influence of specific knowledge translation strategies on healthcare provider behavior change, as well as potential barriers and facilitators to implementation of evidence-informed interventions. Environmental context should be considered to address challenges and facilitate the movement of knowledge into clinical practice.
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 | 0,019 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».