MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407797088 · doi:10.1186/s12913-025-12378-5

Readiness for scale up following effectiveness-implementation trial: results of scalability assessment of the Community Partnership Program for diabetes self-management for older adults with multiple chronic conditions

2025· article· en· W4407797088 sur OpenAlexafffundabout
Melissa Northwood, Tracey Chambers, Kathryn Fisher, Rebecca Ganann, Maureen Markle‐Reid, Marie‐Lee Yous, Ron Beleno, Gary Gaudet, Andrea Gruneir, Helen O. Leung, Craig Lindsay, Kasia Luebke, Gail Macartney, Ethel Macatangay, Janet MacIntyre, William Montelpare, Allan J. Morrison, Lisa G. Shaffer, M. Pierre, Frank Tang, Catharine Whiteside

Notice bibliographique

RevueBMC Health Services Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensDiabetes CanadaToronto General HospitalGovernment of Prince Edward IslandThe Scarborough HospitalHealth PEIUniversity of Prince Edward IslandUniversity of AlbertaMcMaster University
Organismes subventionnairesFonds de Recherche du Québec - SantéMcMaster Institute for Research on Aging, McMaster UniversityDiabetes Action Research and Education FoundationCanadian Institutes of Health ResearchDepartment of Health, Western Cape GovernmentHealthcare Excellence CanadaMcMaster University
Mots-clésMedicineHealth informaticsHealth administrationNursing researchScale (ratio)Diabetes mellitusGeneral partnershipPublic healthMultiple Chronic ConditionsDiabetes managementGerontologyNursingFamily medicineChronic diseaseType 2 diabetes

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Implementation research should assess the feasibility of scale up to bridge the evidence-practice gap for integrated care programs in the prevention and management of chronic conditions. Scalability assessment is the first critical step of scale up to determine the potential suitability of a promising health program to be adopted into routine practice and the fit of the program within local contexts. The Community Partnership Program (CPP), an integrated care intervention for older adults with diabetes and multiple chronic conditions, was designed at the outset with scale up in mind, and evaluated in an implementation-effectiveness randomized controlled trial across three Canadian provinces. The final phase of this program of research was to assess scalability and determine the critical factors and next steps for the development of a scale up plan. METHODS: Multiple methods were used to assess the scalability of the CPP including collection and analysis of publicly available documents, synthesis of qualitative and quantitative evidence from studies of the CPP, semi-structured interviews with key informants, feedback and recommendations arising from working group meetings and knowledge exchange workshops to discuss and rate the scalability of the program. Data collection and analysis was informed by the Intervention Scalability Assessment Tool (ISAT); developed to support practitioners and policy makers in conducting systematic assessments of the suitability of health interventions for population scale-up in high-income countries. RESULTS: Overall, the CPP received high scalability ratings from participants. A phased, horizontal implementation and scale up process was recommended, facilitating local adaptations, on-going program evaluation, and accumulation of evidence. Challenges to scale up were identified, including the need for further evidence of program effectiveness in other diverse settings and populations, and designated funding and adequate health human resources. CONCLUSIONS: Participants agreed the CPP meets the needs of many older adults with diabetes and multiple chronic conditions; however, they suggested further tailoring of the program to support different ethnocultural groups and targeting the CPP to older adults with higher needs. The scalability assessment process was a practical method to generate concrete strategies to facilitate the uptake of the CPP into practice. TRIAL REGISTRATION: Clinical Trials.gov Identifier NCT03664583. Registration date: September 10, 2018.

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)0,070
score de la tête « metaresearch » (Gemma)0,107
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,368

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,107
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,051
Tête enseignante GPT0,494
Écart entre enseignants0,443 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services Research→Même sujetDiabetes Management and Education→Travaux en français237 207→