Teaching Evidence Assimilation for Collaborative Health Care (TEACH) 2009-2014: Building Evidence-Based Capacity Within Health Care Provider Organizations
Notice bibliographique
Résumé
BACKGROUND: Clinical guidelines, prediction tools, and computerized decision support (CDS) are underutilized outside of research contexts, and conventional teaching of evidence-based practice (EBP) skills fails to change practitioner behavior. Overcoming these challenges requires traversing practice, policy, and implementation domains. In this article, we describe a program's conceptual design, the results of institutional participation, and the program's evolution. Next steps include integration of instruction in principles of CDS. CONCEPTUAL MODEL: Teaching Evidence Assimilation for Collaborative Health Care (TEACH) is a multidisciplinary annual conference series involving on- and off-site trainings and facilitation within health care provider organizations (HPOs). Separate conference tracks address clinical policy and guideline development, implementation science, and foundational EBP skills. The implementation track uses a model encompassing problem delineation, identifying knowing-doing gaps, synthesizing evidence to address those gaps, adapting guidelines for local use, assessing implementation barriers, measuring outcomes, and sustaining evidence use. Training in CDS principles is an anticipated component within this track. Within participating organizations, the program engages senior administration, middle management, and frontline care providers. On-site care improvement projects serve as vehicles for developing ongoing, sustainable capabilities. TEACH facilitators conduct on-site workshops to enhance project development, integration of stakeholder engagement and decision support. Both on- and off-site components emphasize narrative skills and shared decision-making. EXPERIENCE: Since 2009, 430 participants attended TEACH conferences. Delegations from five centers attended an initial series of three conferences. Improvement projects centered on stroke care, hospital readmissions, and infection control. Successful implementation efforts were characterized by strong support of senior administration, involvement of a broad multidisciplinary constituency within the organization, and on-site facilitation on the part of TEACH faculty. Involvement of nursing management at the senior faculty level led to increased presence of nursing and other disciplines at subsequent conferences. CONCLUSIONS: A multidisciplinary and multifaceted approach to on- and off-site training and facilitation may lead to enhanced use of research to improve the quality of care within HPOs. Such training may provide valuable contextual grounding for effective use of CDS within such organizations.
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 | 0,022 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».