MétaCan
Menu
Retour à la cohorte
Enregistrement W4410957814 · doi:10.1186/s13012-025-01442-7

How well are implementation strategies and target healthcare professional behaviors reported? A secondary analysis of 204 implementation trials using the TIDieR checklist and AACTT framework

2025· review· en· W4410957814 sur OpenAlexafffund
Charlene Weight, Billy Vinette, Rachael Laritz, Meagan Mooney, Sonia Angela Castiglione, Marc‐André Maheu‐Cadotte, Nikolas Argiropoulos, Kristin J. Konnyu, Christine Cassidy, Sonia Semenic, Nicola Straiton, Sandy Middleton, Natalie Taylor, Marie‐Pierre Gagnon, Shuang Liang, Laura Crump, Olivia Di Lalla, Elakpa Daniel Ngbede, Guillaume Fontaine

Notice bibliographique

RevueImplementation Science · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcGill University Health CentreOttawa HospitalDalhousie UniversityUniversité LavalUniversité de MontréalMcGill UniversityCapital District Health AuthorityHEC MontréalJewish General Hospital
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésChecklistMedicineHealth services researchHealth administrationHealth informaticsPublic healthHealth careNursingPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Clear specification and reporting of implementation strategies and their targeted healthcare professional behaviors are essential for replication, adaptation, and cumulative learning in implementation science. However, critical gaps remain in the consistent use of reporting frameworks. This study aimed to: (1) assess the completeness of implementation strategy reporting using the Template for Intervention Description and Replication (TIDieR) checklist; (2) examine trends in implementation strategy reporting over time; and (3) assess the completeness of the reporting of healthcare professional behaviors targeted for change using the Action, Actor, Context, Target, Time (AACTT) framework. METHODS: We conducted a secondary analysis of 204 trials included in a systematic review of implementation strategies aimed at changing healthcare professional behavior. Implementation strategies were assessed using the 12-item TIDieR checklist; target behaviors were characterized using the five AACTT domains. Two independent reviewers extracted and coded the data. Descriptive statistics were used to summarize reporting patterns. Data were synthesized narratively and presented in tables, with trends illustrated via a scatterplot. RESULTS: Assessment of implementation strategy reporting using TIDieR showed that procedural details (98%), materials used (95%), and modes of delivery (88%) were frequently reported. Critical elements such as strategy tailoring (28%), fidelity assessment (19% planned; 17% actual), and modifications (10%) were often missing. A modest improvement in reporting was observed after the publication of TIDieR, with median scores increasing from 15.0 (IQR: 13.0-16.0) pre-2014 to 16.0 (IQR: 15.0-18.0) post-2014. Assessment of target healthcare professional behavior reporting using AACTT indicated that actions (e.g., "assess illness") and actors (e.g., nurses) were generally well reported at a high level. However, key contextual and temporal details were largely absent. While physical context was documented in all studies, the emotional and social contexts of behaviors were rarely reported. Crucial information on the duration, frequency, and period of behaviors was rarely reported. CONCLUSIONS: Implementation strategies and target behaviors are not consistently or sufficiently reported in trials. Increased adoption of structured reporting tools such as TIDieR and AACTT is essential to enhance transparency. Incorporating these frameworks during protocol development could strengthen intervention evaluation and reporting, advancing implementation science and fostering cumulative knowledge. TRIAL REGISTRATION: PROSPERO CRD42019130446.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0030,008
Études des sciences et des technologies0,0040,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,679
Tête enseignante GPT0,741
Écart entre enseignants0,062 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207