ASSESSING THE SCALABILITY OF A COMMUNITY PROGRAM FOR OLDER ADULTS WITH DIABETES: BRIDGING THE RESEARCH–PRACTICE GAP
Notice bibliographique
Résumé
Abstract Implementing person-centred, cost-effective, and comprehensive self-management programs for older adults with multimorbidity and their caregivers in the health and social care system is challenging. Innovations that are effective under controlled research conditions often fail to produce similar results when implemented in real world settings to reach larger populations of older adults. Scalability assessment is a promising methodology to reduce this research-practice gap. This study aims to examine the scalability of a self-management intervention for older adults with diabetes and multimorbidity and their caregivers in two Canadian provinces. Provincial working groups, including patient partners, participated in the scalability assessment. The Intervention Scalability Assessment Tool (ISAT) guided data collection and analysis. Multiple methods were used to collect data, including an environmental scan, document review, and interviews with key informants. Provincial workshops were held to review scalability results, determine the program’s scale-up readiness, and identify strategies to enhance scalability. Patient partners, health and social care providers and leaders, provincial decision-makers, and researchers gave high ratings to the readiness of the intervention and its alignment with practice and strategic policy initiatives. The evidence of effectiveness, delivery setting and workforce, and sustainability domains were rated lower. Participants recommended: 1) focusing on high-risk patients, which would be cost effective and likely to demonstrate impact and 2) piloting targeted sites to embed the program within existing health care settings and infrastructure to gather more evidence on program effectiveness and implementation. Collaborative and structured scalability assessments are critical to mobilize innovative programs into health and social care 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 | 0,142 | 0,180 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».