The Implementation Outcomes and Population Impact of a Statewide IT Deployment for Family Caregivers: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: In 2022, the US Department of Health and Human Services released the first National Strategy to Support Family Caregivers, identifying actions for both government and the private sector. One of the major goals is to expand data, research, and evidence-based practices to support family caregivers. While IT tools are widely deployed in health care settings, they are rarely available at scale in community agencies. In 2019, the state of California recognized the importance of a statewide database and a platform to serve caregivers remotely by enhancing existing service supports and investing in a web-based platform, CareNav. Implementation commenced in early 2020 across all 11 California Caregiver Resource Centers. OBJECTIVE: This paper describes the implementation strategies and outcomes of the statewide implementation of CareNav, a web-based platform to support family caregivers. METHODS: The Consolidated Framework for Implementation Research (CFIR), including a recent addendum, guided this mixed methods evaluation. Two major approaches were used to evaluate the implementation process: in-depth qualitative interviews with key informants (n=82) and surveys of staff members (n=112) and caregivers (n=2229). We analyzed the interview transcripts using qualitative descriptive methods; subsequently, we identified subthemes and relationships among the ideas, mapping the findings to the CFIR addendum. For the surveys, we used descriptive statistics. RESULTS: We present our findings about implementation strategies, implementation outcomes (ie, adoption, fidelity, and sustainment), and the impact on population health (organizational effectiveness and equity, as well as caregiver satisfaction, health, and well-being). The platform was fully adopted within 18 months, and the system is advancing toward sustainment through statewide collaboration. The deployment has augmented organizational effectiveness and quality, enhanced equity, and improved caregiver health and well-being. CONCLUSIONS: This study provides a use case for technological implementation across a multisite system with diverse community-based agencies. Future research can expand the understanding of the barriers and facilitators to achieving relevant outcomes and population impact.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».