MétaCan
Menu
Retour à la cohorte
Enregistrement W4416337397 · doi:10.1186/s12913-025-13573-0

Champions as catalysts for change: a realist evaluation of their impact in primary care

2025· article· en· W4416337397 sur OpenAlexaffabout
Élisabeth Martin, Dave A. Bergeron, Isabelle Gaboury

Notice bibliographique

RevueBMC Health Services Research · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversité du Québec à RimouskiHôpital Charles-Le MoyneUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHealth informaticsHealth administrationNursing researchCredibilityContext (archaeology)StakeholderHealth careQuality (philosophy)Psychological interventionQuality management

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The healthcare system, particularly primary care, is constantly evolving to adapt to technological innovations and demographic changes. Quality improvement (QI) initiatives are a key strategy for optimizing care processes and better meeting patient needs. However, their success depends on several contextual factors, including alignment with organizational priorities, resource availability, and stakeholder engagement. While champions are widely recognized as important for change within organizations, the specific causal relationship of their impact remain unclear. This study aims to deepen understanding of champions’ behaviours in the QI process within interdisciplinary primary care settings. METHOD: A multiple case study was conducted using a realist evaluation approach to refine and validate the program theory. Data collection involved document analysis and individual semi-structured interviews. Context-Mechanism-Outcome (CMO) configurations were constructed to explore relationships between context (pre-existing elements shaping interventions), mechanisms (processes activated in a given context), and outcomes to iteratively refine the program theory. The study was conducted in primary healthcare clinics, the predominant model of primary care clinics in Quebec, Canada. Data were collected between 2022 and 2023 from four cases of champions in Quebec and Ontario who had implemented a change using a QI approach. RESULTS: Seven CMO configurations were observed empirically. Findings highlight that a strong coalition of champions, facilitated by cohesion, collaboration, and a shared vision, enhances mobilization. Champions influence QI by prioritizing objectives, reducing perceived effort, and leveraging data to justify change. Their leadership and credibility increase motivation, while their on-site presence helps them anticipate barriers and adapt strategies. Champions initiate small-scale testing to refine interventions and engage peers. Effective communication of results sustains momentum. Ultimately, a champion’s ability to engage the right individuals at the right time, build trust, and provide mentorship determines the success and sustainability of QI initiatives. CONCLUSION: This study underscores the complexity of implementing change in primary care organizations. The refined program theory enhances understanding of how champions contribute to successful change implementation and how their behaviours can be adapted to local contexts to optimize outcomes. These findings support a context-sensitive approach to leveraging champions as facilitators of change.

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)0,065
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,344

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,078
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,005
Communication savante0,0040,003
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,732
Tête enseignante GPT0,757
Écart entre enseignants0,025 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207