Towards development of guidelines for harnessing implementation science for suicide prevention: an international Delphi expert consensus study
Notice bibliographique
Résumé
Objectives: Suicide research and prevention are complex. Many practical, methodological and ethical challenges must be overcome to implement effective suicide prevention interventions. Implementation science can offer insights into what works, why and in what context. Yet, there are limited real-world examples of the application of implementation science in suicide prevention. This study aimed to identify approaches to employ principles of implementation science to tackle important challenges in suicide prevention. Methods: A questionnaire about promoting implementation science for suicide prevention was developed through thematic analysis of stakeholder narratives. Statements were categorised into six domains: research priorities, practical considerations, approach to intervention design and delivery, lived experience engagement, dissemination and the way forward. The questionnaire (n=52 statements-round 1; n=44 statements-round 2; n=9 statements-round 3) was administered electronically to a panel (n=62-round 1, n=48-round 2; n=45-round 3) of international experts (suicide researchers, leaders, project team members, lived experience advocates). Statements were rated on a Likert scale based on an understanding of importance and priority of each item. Statements endorsed by at least 85% of the panel would be included in the final guidelines. Results: Eighty-two of the 90 statements were endorsed. Recommendations included broadening research inquiries to understand overall programme impact; accounting for resources in the translation of evidence into practice; embedding implementation science in intervention delivery and design; meaningfully engaging lived experience; considering channels for dissemination of implementation-related findings and focusing on next steps needed to routinely harness the strengths of implementation science in suicide prevention research, practice and training. Conclusion: An interdisciplinary panel of suicide prevention experts reached a consensus on optimal strategies for using implementation science to enhance the effectiveness of policies and programmes aimed at reducing suicide.
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 | 0,329 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,014 | 0,007 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,008 | 0,028 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».