Education strategies are the most commonly used in pediatric rehabilitation implementation research: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Approximately one in six children has a disability, and effective, evidence-based rehabilitation can ameliorate the impact of these conditions over the lifespan. However, implementing interventions in real-world settings remains a challenge. This scoping review aimed to summarize the characteristics, implementation strategies, and outcomes of implementation studies in pediatric rehabilitation. METHODS: A comprehensive search was conducted in PubMed/MEDLINE, EMBASE, CINAHL, SCOPUS, and Web of Science from the database inception to December 2, 2022. Studies testing implementation strategies in pediatric rehabilitation interventions were included. Data extracted included study characteristics (e.g., country, intervention type, field of rehabilitation), implementation strategies characterized using the Expert Recommendations for Implementing Change taxonomy, and outcomes based on the Implementation Outcomes Framework. RESULTS: Of the 11,740 studies identified, 44 met the inclusion criteria. Most studies were conducted in the United States (n = 15, 34%) or Canada (n = 10, 23%) and used a mixed-methods design (n = 13, 30%). Interventions primarily targeted motor skills (n = 19, 43%) and were conducted in outpatient settings (n = 14, 32%) or homes (n = 11, 23%). The most commonly used implementation strategies were "train and educate key informant" (n = 21, 48%) and "use evaluative/iterative strategies" (n = 19, 43%). Feasibility (n = 19, 43%) and acceptability (n = 16, 36%) were the most frequently targeted implementation outcomes. CONCLUSIONS: Reporting implementation strategies and outcomes in pediatric rehabilitation studies is limited and highly variable. Most strategies focused on developing and sharing educational materials, while administrative and systems-level interventions were largely absent. Standardized documentation of implementation strategies and outcomes could advance the field's understanding of the effective development of interventions designed for implementation, encouraging faster uptake of effective interventions.
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 | 0,057 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,036 | 0,043 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».