MétaCan
Menu
Retour à la cohorte
Enregistrement W4414105690 · doi:10.1093/tbm/ibaf043

Reported use of implementation science theories, models, and frameworks in 151 implementation trials: secondary analysis of a systematic review targeting nursing practice

2025· review· en· W4414105690 sur OpenAlexafffund
Charlene Weight, Rachael Laritz, Meagan Mooney, Billy Vinette, Sonia Angela Castiglione, Nicola Straiton, Gabrielle Chicoine, Shuang Liang, Justin Presseau, Kristin J. Konnyu, Marie‐Pierre Gagnon, Sonia Semenic, Sandy Middleton, Natalie Taylor, Vasiliki Bitzas, Catherine Hupé, Nathalie Folch, B. Vachon, Geneviève Rouleau, Andrea M. Patey, Nicola McCleary, Joshua Porat‐Dahlerbruch, Guillaume Fontaine

Notice bibliographique

RevueTranslational Behavioral Medicine · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensInstitute for Work & HealthInstitute of Health Services and Policy ResearchUniversity of TorontoUniversité du Québec en OutaouaisUniversité du Québec à MontréalUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalInstitut Universitaire en Santé Mentale de QuébecUniversité du Québec à RimouskiCentre Hospitalier de l’Université de MontréalUniversité LavalJewish General HospitalSt. Michael's HospitalIzaak Walton Killam Health CentreKensington HealthOttawa Public HealthDalhousie UniversityInstitute for Clinical Evaluative SciencesMcGill UniversityUniversity of OttawaMcGill University Health Centre
Organismes subventionnairesRéseau de recherche portant sur les interventions en sciences infirmières du Québec
Mots-clésNursing practiceClinical PracticeMEDLINEBest practicePublic healthHealth psychologyNursing research

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Theories, models, and frameworks (TMFs) are central to the development and evaluation of implementation strategies supporting evidence-based practice (EBP). However, evidence on how and to what extent TMFs are used in implementation trials remains limited. PURPOSE: This study aimed to examine the nature and extent of TMF use in implementation trials, identify which TMFs are most frequently employed, and explore temporal trends in their use. METHODS: A secondary analysis was conducted on 151 randomized trials of implementation strategies targeting EBP in nursing. Trials and their protocols were coded in NVivo 14 using a framework adapted from Painter's continuum of theory use (2005) and Michie and Prestwich's theory coding scheme (2010). The framework categorized theory use as "informed by," "applied," "tested," or "built" theory. Descriptive statistics were calculated in R, and temporal trends in TMF use across categories were analyzed. RESULTS: Among the 151 trials, 54 (36%) reported using a TMF. Of these, most applied TMFs to guide implementation strategy design (28%), followed by justifying the study's purpose, aims, or objectives (15%). Testing theory was infrequent (9%), and no trials reported refining or building theory. Classic theories, such as the theory of planned behavior and social cognitive theory, were the most frequently cited. No clear temporal trend was found in TMF use across the categories. CONCLUSIONS: TMFs remain underutilized in implementation trials, with their application primarily limited to justifying study rationale or informing implementation strategy development. Greater emphasis on the testing and refinement of TMFs is recommended to advance implementation science. REGISTRATION INFORMATION: Review 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 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)0,416
score de la tête « metaresearch » (Gemma)0,741
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,584
Score d'incertitude au seuil0,720

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4160,741
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0100,011
Bibliométrie0,0250,028
Études des sciences et des technologies0,0020,004
Communication savante0,0060,006
Science ouverte0,0030,007
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,797
Tête enseignante GPT0,762
Écart entre enseignants0,035 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
DomaineMéthodes
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

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTranslational Behavioral MedicineMême sujetHealth Policy Implementation ScienceTravaux en français237 207