Advancing the Speed and Science of Implementation Using Mixed-Methods Process Mapping – Best Practice Recommendations
Notice bibliographique
Résumé
Mixed-methods process mapping is a visualisation tool that identifies the steps, resources and personnel required to deliver a clinical practice, and has been previously used in an ad hoc manner to develop effective implementation strategies and solutions. To realise the potential of mixed-methods process mapping as an implementation tool, we aimed to develop and formalize the methodological steps and provide guidance for contemporary best practice approaches to using this approach for optimising implementation practice and research. Synthesising theory, evidence and expertise, we have identified 10 best practice recommendations and provide the first systematic framework for integrating mixed-methods process mapping into three core phases of health systems implementation, specifically: (1) engaging interest holders (and maintaining engagement), (2) identifying when, where, why, and to whom change is needed (and potential consequences), and, (3) identifying barriers and enablers, and co-designing implementation strategies. For each phase, we provide: (a) a rationale for using mixed-methods process mapping, (b) best practice guidance for combining mixed-methods process mapping with implementation practice and research, and (c) case studies exemplifying best practice. This article provides intelligence on mixed-methods process mapping to improve the consistency and quality of its use among implementation researchers and practitioners. We present a rationale, guidance, and practical tools for conducting mixed-methods process mapping to enhance the quality of implementation research and practice which can be used and adapted internationally. In doing so, it builds capacity and provides an opportunity for researchers and healthcare professionals to better understand and embed evidence-based innovations into health systems, improving service and client outcomes. Further research is needed to establish potential uses of mixed-methods process mapping to support other core components of implementation practice (e.g., adaptation), and to formally test the impact of this approach independently versus as part of a combination of implementation strategies.
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 | 0,370 | 0,559 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,010 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,006 | 0,015 |
| Communication savante | 0,028 | 0,039 |
| Science ouverte | 0,013 | 0,022 |
| Intégrité de la recherche | 0,017 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,006 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».