MétaCan
Menu
Retour à la cohorte
Enregistrement W4401912193 · doi:10.1097/xeb.0000000000000458

Planning for implementation success: insights from conducting an implementation needs assessment

2024· article· en· W4401912193 sur OpenAlexaff
Nicole D. Graham, Ian D. Graham, Brandi Vanderspank‐Wright, Letitia Nadalin‐Penno, Dean Fergusson, Janet E. Squires

Notice bibliographique

RevueJBI Evidence Implementation · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensCanadore CollegeUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProcess managementRisk analysis (engineering)Systems engineeringManagement scienceEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

AIM: The aim of this paper is to provide insights into conducting an implementation needs assessment using a case example in a less-research-intensive setting. DESIGN AND METHODS: In the case example, an implementation needs assessment was conducted, including (1) an environmental scan of the organization's website and preliminary discussions with key informants to learn about the implementation context, and (2) a formal analysis of the evidence-practice gap (use of sedation interruptions) deploying a chart audit methodology using legal electronic reports. RESULTS: Our needs assessment was conducted over 5 months and demonstrated how environmental scans reveal valuable information that can inform the evidence-practice gap analysis. A well-designed gap analysis, using suitable indicators of best practice, can reveal compliance rates with local protocol recommendations, even with a small sample size. In our case, compliance with the prescribed practices for sedation interruptions ranged from 65% (n=53) to as high as 84% (n=69). CONCLUSIONS: Implementation needs assessments provide valuable information that can inform implementation planning. Such assessments should include an environmental scan to understand the local context and identify both current recommended best practices and local best practices for the intervention of interest. When addressing an evidence-practice gap, analyses should quantify the difference between local practice and desired best practice. IMPACT: The insights gained from the case example presented in this paper are likely transferrable to implementation research or studies conducted in similar, less-research-intensive settings. SPANISH ABSTRACT: http://links.lww.com/IJEBH/A257.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,194
score de la tête « metaresearch » (Gemma)0,284
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil0,994

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1940,284
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0110,011
Communication savante0,0160,018
Science ouverte0,0050,014
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,662
Tête enseignante GPT0,739
Écart entre enseignants0,077 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJBI Evidence ImplementationMême sujetHealth Policy Implementation ScienceTravaux en français237 207