A pre-implementation examination of barriers and facilitators of an electronic prospective surveillance model for cancer rehabilitation: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: An electronic Prospective Surveillance Model (ePSM) uses patient-reported outcomes to monitor symptoms along the cancer pathway for timely identification and treatment. Randomized controlled trials show that ePSMs can effectively manage treatment-related adverse effects. However, an understanding of optimal approaches for implementing these systems into routine cancer care is limited. This study aimed to identify barriers and facilitators prior to the implementation of an ePSM to inform the selection of implementation strategies. METHODS: A qualitative study using virtual focus groups and individual interviews was conducted with cancer survivors, oncology healthcare providers, and clinic leadership across four cancer centres in Canada. The Consolidated Framework for Implementation Research (CFIR) guided the interviews and analysis of barriers and facilitators based on five domains (intervention characteristics, individual characteristics, inner setting, outer setting, and process). RESULTS: We conducted 13 focus groups and nine individual interviews with 13 patient participants and 56 clinic staff. Of the 39 CFIR constructs, 18 were identified as relevant determinants to the implementation. The adaptability, relative advantage, and complexity of an ePSM emerged as key intervention-level factors that could influence implementation. Knowledge of the system was important at the individual level. Within the inner setting, major determinants were the potential fit of an ePSM with clinical workflows (compatibility) and the resources that could be dedicated to the implementation effort (readiness for implementation). In the outer setting, meeting the needs of patients and the availability of rehabilitation supports were key determinants. Engaging various stakeholders was critical at the process level. CONCLUSIONS: Improving the implementation of ePSMs in routine cancer care has the potential to facilitate early identification and management of treatment-related adverse effects, thereby improving quality of life. This study provides insight into important factors that may influence the implementation of an ePSM, which can be used to select appropriate implementation strategies to address these factors.
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 | 0,034 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».