Virtual multidisciplinary preoperative assessments: A multi-site formative evaluation and evidence-based guide for implementing change
Notice bibliographique
Résumé
Introduction: Virtual care has recently gained momentum yet remains underutilized for preoperative assessment. We applied implementation science methodology to the development of a virtual preoperative assessment pathway. Methods: We conducted a two-phase formative evaluation of a multidisciplinary virtual preoperative assessment. In phase 1, we conducted semi-structured interviews with patients, family members, health care providers, and decision makers to explore their experiences and perceptions of virtual care and preoperative assessment. We performed thematic analysis using the Promoting Action on Research Implementation in Health Services (PARIHS) framework to identify factors influencing the implementation of virtual preoperative assessments. In phase 2, evidence-based strategies from the Expert Recommendations for Implementing Change (ERIC) were matched to PARIHS themes and rated for importance and feasibility by stakeholders using Go-Zone analysis. Results: Forty stakeholders were interviewed, including 12 patients or family members, 18 health care providers, and 10 decision makers. Eight themes and 49 subthemes were identified to focus the implementation of virtual preoperative assessment. Twelve implementation strategies were judged to be most important and feasible by stakeholders: develop a formal implementation blueprint, identify early adopters, identify and prepare champions, involve patients and family members, conduct local consensus discussions, build a coalition, develop educational materials, distribute educational materials, prepare patients to be active participants, revise professional roles, re-examine the implementation, and stage implementation scaleup. Discussion: We identified 12 evidence-based strategies to guide the implementation of virtual multidisciplinary preoperative assessments. Our findings can be used to guide implementation of this care innovation in other settings.
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 | 0,419 | 0,290 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,008 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».