MétaCan
Menu
Retour à la cohorte
Enregistrement W4414491486 · doi:10.1093/tbm/ibaf046

Using the behavior change technique ontology to characterize the content of implementation strategies: a secondary analysis of 151 trials targeting evidence-based nursing practice

2025· article· en· W4414491486 sur OpenAlexafffund
Charlene Weight, Rachael Laritz, Meagan Mooney, Billy Vinette, Sonia Angela Castiglione, Nicola Straiton, Gabrielle Chicoine, Shuang Liang, Kristin J. Konnyu, Marie‐Pierre Gagnon, Sonia Semenic, Sandy Middleton, Natalie Taylor, Vasiliki Bitzas, Nathalie Folch, B. Vachon, Geneviève Rouleau, Andrea M. Patey, Nicola McCleary, Joshua Porat‐Dahlerbruch, Guillaume Fontaine

Notice bibliographique

RevueTranslational Behavioral Medicine · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensKensington HealthOttawa HospitalInstitute for Work & HealthInstitute of Health Services and Policy ResearchUniversity of TorontoUniversité du Québec en OutaouaisJewish General HospitalSt. Michael's HospitalInstitut Universitaire en Santé Mentale de QuébecCentre Hospitalier de l’Université de MontréalUniversité LavalUniversité de MontréalIzaak Walton Killam Health CentreCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalDalhousie UniversityInstitute for Clinical Evaluative SciencesMcGill UniversityMcGill University Health Centre
Organismes subventionnairesFonds de Recherche du Québec - SantéRéseau de recherche portant sur les interventions en sciences infirmières du Québec
Mots-clésOntologyClinical PracticeNursing practiceContent analysisHealth psychologyClinical trialContent (measure theory)Behavioral medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Implementation strategies are essential for translating evidence into routine clinical practice. Their effectiveness depends on specifying and deploying behavior change techniques (BCTs): observable, irreducible components that target determinants of clinician behavior. The Behavior Change Technique Ontology (BCTO) standardizes the identification and labeling of BCTs, yet it has been applied only sparingly in implementation research to date. PURPOSE: To characterize the nature and extent of BCTs explicitly reported or retrospectively identified in implementation trials that targeted evidence-based nursing practice. METHODS: In this secondary analysis of a prior systematic review, we coded BCTs across 151 implementation trials with a manual derived from the 281-item BCTO. One to two coders per study applied coding rules in NVivo; disagreements were resolved by consensus. Feasibility indicators included coder certainty ("Definitely" vs "Probably" present) and the need for extra coding rules. RESULTS: Trials contained 907 BCT instances: 857 in intervention arms, 50 in controls. We identified 100 of the BCTO's 281 techniques (35.6%), spanning 17 of its 20 parent groups. Intervention arms featured a median of four BCT instances (IQR 3-7) and four unique BCTs (IQR 3-5). The five most common BCTs were Instruct how to perform behavior (n = 273), Arrange informational support (n = 127), Deliver informational support (n = 83), Demonstrate behavior (n = 62), and Practice behavior (n = 43). Only 37% of BCT instances were coded with high certainty, and 17 supplementary decision rules were required for consistent coding. CONCLUSIONS: Implementation strategies targeting nursing practice rely on instructional and informational BCTs, with limited use of goal-directed, feedback-intensive or context-altering techniques that could enhance impact. CLINICAL TRIAL INFORMATION: The Clinical Trials 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)0,012
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,779
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,899
Tête enseignante GPT0,737
Écart entre enseignants0,161 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTranslational Behavioral MedicineMême sujetHealth Policy Implementation ScienceTravaux en français237 207