Implementing the Eat, Sleep, Console Model of Care: A Scoping Review
Notice bibliographique
Résumé
OBJECTIVE: The Eat, Sleep, Console (ESC) model of care is an innovative care approach for infants diagnosed with neonatal abstinence syndrome, improving patient and health system outcomes for this equity-deserving population. Little is known about sustainably implementing this model into practice. The objective is to map evidence on implementing the ESC model into clinical practice, including strategies, barriers and facilitators to implementation, and evaluation outcomes. METHODS: Data sources include MEDLINE, Embase, CINAHL, PsycINFO, Google Scholar, and websites identified by a Google search. The study selection included articles exploring the implementation or evaluation of the ESC model in clinical practice since its 2017 conception. Two reviewers independently screened each study using a predetermined screening tool. Data were extracted by 2 independent reviewers from included articles. RESULTS: The review identified 34 studies. Barriers to implementing the ESC model include resource limitations and systemic oppression and bias. Facilitators include health care provider education and empowerment of parent engagement. The most reported cluster of strategies (31.6%) included training and educating stakeholders. Gaps were noted in the exploration of implementation outcomes/processes, and equity implications on implementation. CONCLUSIONS: The ESC model of care has been successfully implemented in various settings with positive patient and health system outcomes, including decreased hospital stay and pharmacological treatment of infants. However, there is a gap in exploring implementation processes and outcomes. Future research should explore the contextual elements of the implementation by equitably examining implementation outcomes specific to the ESC model of care.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».