Mapping Implementation Strategies to Address Barriers to Commission on Cancer Accreditation Standards in Breast Surgery
Notice bibliographique
Résumé
BACKGROUND: The Commission on Cancer (CoC) introduced synoptic operative reports (SOR) as accreditation standards to increase adherence to cancer surgical standards. Due to large variations in implementation of past CoC accreditation standards, we used a theory-informed method to identify optimal implementation strategies for SOR integration. STUDY DESIGN: Using the Consolidated Framework for Implementation Research (CFIR), we conducted semi-structured interviews from December 2021-May 2022 focused on implementing the breast SOR with 31 stakeholders sampled from 4 CoC sites. Implementation barriers were mapped to theory-informed strategies using the validated CFIR-Expert Recommendations for Implementation Change (ERIC) matching tool. Using the "name it, define it, specify it" method for describing implementation strategies, actions, actors, and action targets were specified for each correlating ERIC cluster and strategy. RESULTS: Participants included 10 surgeons, 4 cancer liaison physicians, 11 cancer program administrators, and 6 IT engineers. Strategies addressing the most common barriers were 1) determining readiness to implement the SOR; 2) identifying champions to promote the SOR; and 3) having stakeholder discussions to highlight the importance of templated documentation and determine whether the SOR will adequately address this. The common themes across the top strategies were workflow changes, developing an actionable plan, engaging champions, and leveraging champion relationships with other surgeons. Training and educating stakeholders was not a key recommended strategy in our study. CONCLUSION: Our study demonstrated that assessment of workflow changes along with local champions and their relationship with surgeons were the most important strategies for successful SOR implementation. Programs may benefit from utilizing these strategies for future SOR implementation and CoC initiatives.
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 | 0,082 | 0,140 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».