EMTReK Model for Advance Care Planning in Long-Term Care: Qualitative Findings from mySupport Study
Notice bibliographique
Résumé
Background/Objectives: Conversations about end-of-life care or advance care planning are often difficult and emotionally challenging to initiate. Tailoring messages to the specific audiences can make these sensitive discussions more manageable and effective. The Evidence-based Model for the Transfer and Exchange of Research Knowledge (EMTReK), compromising six core components (message, stakeholders, processes, context, facilitation, and evaluation) offers a structured framework for research dissemination and knowledge transfer in palliative and long-term care settings. Knowledge translation bridges research and practice, with its effectiveness depending on stakeholder engagement, tailored communication, and systematic application of evidence in policy and practice. This study explores stakeholder perspectives on a dementia care intervention, using EMTReK as an analytical framework to examine how knowledge transfer and exchange (KTE) actions were implemented across long-term care settings. Methods: A qualitative analysis was conducted on primary data comprising case narratives from multinational research groups involved in the “Caregiver Decision Support” (mySupport) study (2019–2023). Teams from Canada, the Czech Republic, Ireland, Italy, the Netherlands, and the United Kingdom evaluated the mySupport intervention through interviews, with analysis guided by components of the EMTReK model. Results: Facilitated Family Care Conferences were found to be effective mechanisms for supporting knowledge transfer and intervention uptake in dementia care across nursing homes in Europe and Canada. Despite challenges posed by the COVID-19 pandemic, Family Care Conferences adapted through stakeholder engagement, interactive learning, and innovative communication methods. Using EMTReK as an analytical framework, the research team identified key elements that contributed to successful implementation, including the importance of flexibility to accommodate local contexts. Conclusions: The transnational application of the EMTReK model for advance care planning in long-term dementia care highlights the importance of tailored, culturally relevant knowledge translation strategies, which, despite challenges from the COVID-19 pandemic, were successfully implemented through local adaptations and diverse dissemination methods, emphasising the need for further research on their impact on resident and family outcomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».