Frontières en Santé Publique

Contexte: Pourquoi Construire des Modèles de Voies Causales?

Au cours des dernières années, on reconnaît de plus en plus l’importance de mettre en œuvre des pratiques fondées sur des données probantes comme moyen d’améliorer la qualité des soins de santé et la santé publique. Cependant, les résultats des efforts de mise en œuvre ont été mitigés. Environ les deux tiers des efforts ne parviennent pas à réaliser le changement prévu (2), et près de la moitié n’ont aucun effet sur les résultats d’intérêt (3). Les stratégies de mise en œuvre ne sont souvent pas adaptées aux obstacles (4), et les efforts de mise en œuvre sont de plus en plus complexes et coûteux sans impact accru (5). Ces résultats sous-optimaux sont dus, en grande partie, au manque de théorie testée dans le domaine de la science de la mise en œuvre (6). En particulier, le domaine a une compréhension limitée du fonctionnement des différentes stratégies de mise en œuvre — les mécanismes causaux spécifiques par lesquels les stratégies de mise en œuvre influencent la prestation des soins. En conséquence, la science de la mise en œuvre a été limitée dans sa capacité à éclairer efficacement la pratique de la mise en œuvre en fournissant des conseils sur le moment et dans quels contextes des stratégies de mise en œuvre spécifiques devraient être utilisées et, tout aussi important, quand elles ne devraient pas être utilisées.

L’Académie nationale des sciences définit la “science” comme “l’utilisation de preuves pour construire des explications et des prédictions testables de phénomènes naturels, ainsi que les connaissances générées par ce processus.”(8) Le domaine de la mise en œuvre a passé les deux dernières décennies à construire et à organiser les connaissances, mais nous sommes loin d’avoir des explications testables qui nous permettent de générer des prédictions. Pour améliorer les résultats des efforts de mise en œuvre, le terrain a besoin de théories testables qui décrivent les voies causales par lesquelles fonctionnent les stratégies de mise en œuvre (6, 9). Contrairement aux cadres, qui offrent une structure conceptuelle de base sous-jacente à un système ou à un concept (10), les théories fournissent un moyen testable d’expliquer les phénomènes en spécifiant des relations entre variables, permettant ainsi de prédire les résultats (10, 11).

Les modèles de voies causales représentent des interrelations entre les variables et les résultats d’intérêt dans un contexte donné (c.-à-d. les éléments constitutifs de la théorie de la mise en œuvre). La spécification de la structure des relations causales permet aux scientifiques de tester empiriquement si les stratégies de mise en œuvre fonctionnent via des mécanismes théorisés, comment les facteurs contextuels modèrent les processus causaux par lesquels les stratégies de mise en œuvre fonctionnent et dans quelle mesure la variance des résultats est prise en compte par ces mécanismes. Les résultats d’études basées sur des modèles causaux peuvent, au fil du temps, aider le domaine à développer des théories plus robustes sur les processus de mise en œuvre et à faire progresser la pratique de la mise en œuvre en abordant des problèmes clés. Par exemple, les modèles causaux peuvent effectuer les opérations suivantes: (1) éclairer l’élaboration de stratégies de mise en œuvre améliorées, (2) identifier des cibles mutables pour de nouvelles stratégies, (3) accroître l’impact des stratégies existantes et (4) hiérarchiser les stratégies à utiliser dans quels contextes.

Dans cette pièce de perspective, nous proposons une approche du développement de la théorie en spécifiant, sous la forme de modèles de voies causales, des hypothèses sur le fonctionnement causal de différentes stratégies de mise en œuvre dans divers contextes, afin que ces hypothèses puissent être testées et affinées. Plus précisément, nous proposons un processus en quatre étapes pour développer des modèles de voies causales pour les stratégies de mise en œuvre. À cette fin, nous soutenons que le domaine doit aller au-delà des listes de variables qui peuvent à juste titre être considérées comme des déterminants, et vers une articulation précise des médiateurs, des modérateurs, des conditions préalables et des résultats (proximaux contre distaux) (voir le tableau 1 pour les définitions).

Construire des modèles de Voies causales

Notre perspective s’appuie sur la science Agile (13, 14) — une nouvelle méthode de développement et d’étude des interventions comportementales qui se concentre sur la modularité des interventions, la modélisation causale et des évaluations efficaces pour générer des preuves empiriques avec des conditions aux limites claires (en termes de population, de contexte, de comportement, etc.) pour maximiser l’accumulation et la réutilisation des connaissances. La science agile a été utilisée pour étudier les interventions d’établissement d’objectifs pour l’activité physique, les stratégies d’engagement pour les applications mobiles de santé, les interventions sur la dépression pour les soins primaires et les indices alimentaires automatisés pour promouvoir la perte de poids (13, 15). Appliquée aux stratégies de mise en œuvre, la modélisation agile du diagramme de la voie causale fondée sur la science comprend au moins quatre étapes: (1) spécifier les stratégies de mise en œuvre; (2) générer des liens stratégie-mécanisme; (3) identifier les résultats proximaux et distaux; et (4) articuler les modérateurs et les conditions préalables. Pour démontrer cette approche, nous proposons des exemples de modèles de voies causales pour un ensemble de trois stratégies de mise en œuvre diverses (voir Figure 1). Les stratégies sont tirées de l’exemple suivant. Un centre communautaire de santé mentale prévoit de mettre en œuvre des soins basés sur la mesure dans lesquels les fournisseurs sollicitent des données sur les résultats rapportés par les patients avant les rencontres cliniques pour éclairer le traitement (17). Le centre communautaire de santé mentale prévoit d’utiliser la formation, les sanctions financières (dissuasives) et l’audit et la rétroaction, car il s’agit de stratégies courantes utilisées pour soutenir la mise en œuvre de soins basés sur la mesure (18).

Étape 1 : Spécification des stratégies de mise en œuvre

Les recommandations d’experts pour la mise en œuvre de l’étude de changement ont donné lieu à une compilation de 73 stratégies de mise en œuvre (19) élaborées par une équipe multidisciplinaire à travers une revue structurée de la littérature (20), le processus Delphi et un exercice de cartographie conceptuelle (19, 21, 22). Il existe donc une base solide de stratégies conceptuellement claires et bien définies. Cependant, la compilation n’a jamais été explicitement liée à des mécanismes. À la suite de Kazdin (7), nous définissons les “mécanismes” comme les processus ou événements par lesquels une stratégie de mise en œuvre fonctionne pour obtenir les résultats de mise en œuvre souhaités. Après un examen attentif, il semble que de nombreuses stratégies ne soient pas suffisamment bien spécifiées pour être liées aux mécanismes de manière cohérente, une étape clé de la construction de modèles causaux. Par exemple, la compilation de 73 stratégies répertorie les “collaboratifs d’apprentissage”, une approche générale pour laquelle les stratégies distinctes ou les composantes de base sont sous-spécifiées. Cela rend difficile l’identification de leurs mécanismes d’action précis (23). Les stratégies sous-spécifiées laissent également le champ vulnérable à une synthèse inappropriée des données entre les études (24, 25).

Dans notre exemple de cas, la formation est une stratégie qui est sous-spécifiée. Nous avons adapté les procédures de Michie et al. (26) pour guider la spécification de la stratégie recommandant que chaque stratégie soit évaluée pour savoir si elle: (1) vise à promouvoir l’adoption, la mise en œuvre, le maintien ou l’expansion d’une pratique fondée sur des données probantes; (2) est un “ingrédient actif” proposé pour l’adoption, la mise en œuvre, le maintien ou l’expansion; (3) représente le composant le plus petit tout en conservant l’ingrédient actif proposé; (4) peut être utilisé seul ou en combinaison avec d’autres stratégies distinctes; (5) est observable et reproductible; et (6) peut avoir un impact mesurable sur les mécanismes de mise en œuvre spécifiés (et, dans l’affirmative, si des mécanismes putatifs peuvent être énumérés). Si les stratégies ne répondent pas à ces critères, elles doivent être révisées et précisées. Il pourrait s’agir de suggérer d’autres définitions, d’éliminer complètement une stratégie de mise en œuvre ou d’articuler une nouvelle stratégie plus étroite qui est une composante ou un type de la stratégie originale. La formation répondrait à tous les critères sauf aux troisième et sixième critères (énumérés précédemment), car la formation peut être composée de plusieurs ingrédients actifs (par exemple, didactique, modélisation, jeu de rôle / répétition, rétroaction, observation) dont chacun peut fonctionner selon un mécanisme unique. Dans ce cas, la formation devrait être définie plus étroitement pour en préciser les composantes essentielles.

Étape 2: Générer des liens Stratégie-Mécanisme

Une fois spécifiée, une stratégie de mise en œuvre doit être liée aux mécanismes supposés sous-tendre son fonctionnement. Les mécanismes expliquent l’effet d’une stratégie de mise en œuvre en décrivant les actions qui mènent de l’administration de la stratégie aux résultats de la mise en œuvre (voir le tableau 1 pour les définitions). Statistiquement parlant, les mécanismes sont toujours des médiateurs, mais les médiateurs peuvent ne pas être des mécanismes. De même, les modérateurs peuvent pointer vers des mécanismes mais ne sont pas eux-mêmes des mécanismes fiables. Les déterminants peuvent expliquer pourquoi une stratégie de mise en œuvre a eu ou n’a pas eu d’effet, mais les mécanismes expliquent comment une stratégie a eu un effet, par exemple en modifiant le statut d’un déterminant. Les déterminants sont des facteurs naturels et souvent, mais pas toujours, des facteurs malléables qui pourraient empêcher ou permettre à la stratégie d’affecter les résultats souhaités. Les mécanismes sont activés intentionnellement par l’application d’une stratégie de mise en œuvre et peuvent fonctionner à différents niveaux d’analyse, tels que les niveaux intrapersonnels (p. ex. apprentissage), interpersonnels (p. ex. partage), organisationnels (p. ex.), de la communauté (par exemple, restructuration) et de la politique macroéconomique (par exemple, orientation) (27). Pour qu’un effort de mise en œuvre soit couronné de succès, les stratégies choisies doivent être compatibles et capables d’agir sur les déterminants locaux. Bien que couramment utilisée en science de la mise en œuvre, nous proposons que la notion de déterminant soit insuffisamment spécifique car les chercheurs l’ont utilisée pour désigner au moins deux types de variables dans un processus causal : les résultats proximaux et les modificateurs d’effets (voir le texte note de bas de page 1). Notre discussion ci-dessous utilise plutôt ces termes plus précis.

La plupart des stratégies de mise en œuvre agissent probablement via plusieurs mécanismes, bien qu’il reste une question empirique de savoir si un mécanisme est primaire et que d’autres sont auxiliaires. Il est également probable que le même mécanisme puisse être impliqué dans le fonctionnement de plusieurs stratégies de mise en œuvre. L’évaluation initiale des liens stratégie-mécanisme est faite dans le contexte de la base de connaissances scientifiques plus large sur la façon dont une stratégie produit un résultat (7). Par exemple, de nombreuses stratégies ont leur propre base documentaire (p. ex., audit et feedback) (28) qui offrent des informations théoriques et empiriques sur les mécanismes qui pourraient sous-tendre le fonctionnement de ces stratégies. Il faut toujours s’efforcer de s’appuyer sur les théories existantes et de les tester, mais si aucune n’offre une orientation suffisante, l’hypothèse de variables pouvant avoir une influence causale reste critique. De cette façon, au fil du temps, les liens stratégie-mécanisme initialement formulés peuvent être réévalués et affinés au fur et à mesure que les études commencent à les tester empiriquement. Bien que de telles évaluations empiriques soient actuellement rares — à travers deux examens systématiques des mécanismes de mise en œuvre, seules 31 études ont été identifiées et aucun mécanisme n’a été établi empiriquement (voir le texte note de bas de page 1; 29) — les modèles de voie causale que nous proposons ici visent explicitement à faciliter les évaluations des processus mécanistes par lesquels les stratégies de mise en œuvre fonctionnent.

Étape 3 : Identification des résultats Proximaux et distaux

Les scientifiques de la mise en œuvre ont isolé huit résultats comme paramètres souhaités des efforts de mise en œuvre: acceptabilité, faisabilité, pertinence, adoption, pénétration, fidélité, coût et durabilité (1). Bon nombre de ces résultats sont correctement interprétés comme des variables latentes, mais d’autres sont de nature manifeste/observable (30); une revue systématique récente offre des mesures de ces résultats et des méta-données de mesure (31). En ce qui concerne les processus causaux par lesquels les stratégies de mise en œuvre fonctionnent, ces résultats sont souvent mieux conceptualisés comme des résultats distaux que le processus de mise en œuvre est censé atteindre, et chacun d’eux peut être plus saillant à une phase de mise en œuvre qu’à une autre. Par exemple, avec le Cadre d’exploration, de préparation, de mise en œuvre et de maintien en puissance (32), l’acceptabilité d’une pratique fondée sur des données probantes peut être la plus importante dans la phase d’exploration, alors que la fidélité peut être l’objectif d’une phase de mise en œuvre. Malgré les interrelations temporelles plausibles entre les résultats, des données de plus en plus nombreuses indiquent que toutes les stratégies de mise en œuvre n’influencent pas chacun des résultats susmentionnés (par exemple, la formation en atelier peut influencer l’adoption, mais pas la fidélité) (33). Pour établir pleinement la plausibilité d’un mécanisme de mise en œuvre et d’une voie causale testable, les résultats proximaux doivent être exposés.

Les résultats proximaux sont des produits directs, mesurables et généralement observables de la stratégie de mise en œuvre qui se produisent en raison de son mécanisme d’action spécifique. Autrement dit, affecter un résultat proximal dans la direction prévue peut confirmer / déconfirmer l’activation du mécanisme putatif, offrant un moyen à faible inférence d’établir des preuves pour un mécanisme théorisé. Le plus souvent, les mécanismes eux-mêmes ne peuvent pas être mesurés directement, forçant (soit une évaluation à haute inférence, soit) le recours à l’observation d’un changement dans un résultat proximal d’intérêt. Par exemple, l’éducation didactique, en tant qu’ingrédient actif de la formation, agit principalement par le biais du mécanisme d’apprentissage sur le résultat proximal des connaissances pour influencer le résultat de mise en œuvre distale de l’acceptabilité perçue ou même de l’adoption. La pratique avec rétroaction agit par le biais du mécanisme de réflexion sur les résultats proximaux des compétences et de la confiance pour influencer le résultat de mise en œuvre distale de l’adoption ou même de la fidélité. Pour identifier les résultats proximaux, il faut répondre à la question: “Comment saurai-je si cette stratégie de mise en œuvre a eu un effet via le mécanisme que je pense qu’elle active?” ou “Qu’est-ce qui sera différent si les mécanismes hypothétiques de cette stratégie sont en jeu?”Il est très courant que les mécanismes et les résultats proximaux soient confondus dans la littérature étant donné que les chercheurs testent souvent des modèles de médiation examinant l’impact d’une stratégie sur un résultat de mise en œuvre distale via un résultat plus proximal. La façon dont nous utilisons les termes, un mécanisme est un processus par lequel une stratégie de mise en œuvre fonctionne, et un résultat proximal est un effet mesurable de ce processus qui se trouve dans la voie causale vers les résultats de mise en œuvre distaux.

Étape 4: Modificateurs d’effet articulés

Enfin, il existe deux types de modificateurs d’effet qu’il est important d’articuler, qui peuvent tous deux se produire à plusieurs niveaux d’analyse: les modérateurs et les conditions préalables. Les modérateurs sont des facteurs qui augmentent ou diminuent le niveau d’influence d’une stratégie de mise en œuvre sur un résultat. Voir la figure 1 dans laquelle un exemple pour les modérateurs au niveau intra-individuel et organisationnel pour l’audit et la rétroaction est articulé. Théoriquement, les modérateurs sont des facteurs qui interagissent avec le mécanisme d’action d’une stratégie, même si la façon exacte dont ils interagissent mécaniquement n’est pas comprise. Les conditions préalables sont des facteurs nécessaires à l’activation d’un mécanisme de mise en œuvre (voir Figure 1). Ce sont des conditions nécessaires qui doivent être en place pour que le processus causal qui mène d’une stratégie de mise en œuvre à ses résultats proximaux et distaux ait lieu. Les modérateurs et les conditions préalables sont le plus souvent qualifiés à tort de “déterminants” dans la littérature scientifique de la mise en œuvre, ce qui peut limiter notre capacité à comprendre la nature des relations entre une stratégie et les facteurs individuels et contextuels qui modifient ses effets, et, à son tour, où, quand et pourquoi les stratégies ont un effet sur les résultats d’intérêt.

Orientations futures: Ce dont le Domaine de la Mise en œuvre a besoin pour s’établir pleinement en tant que Science

Afin de s’établir pleinement en tant que science en offrant des explications testables et en permettant la génération de prédictions, nous proposons quatre étapes critiques pour le domaine de la mise en œuvre: (1) spécifier les stratégies de mise en œuvre; (2) générer des liens stratégie-mécanisme de mise en œuvre; (3) identifier les résultats proximaux et distaux; et (4) articuler les modificateurs d’effet. En plus de ces étapes, nous suggérons que les recherches futures s’efforcent de générer des termes précis pour les facteurs impliqués dans les processus de mise en œuvre et de les utiliser de manière cohérente dans toutes les études. Dans un examen systématique des mécanismes de mise en œuvre, les chercheurs ont confondu les conditions préalables, les prédicteurs, les modérateurs, les médiateurs et les résultats proximaux (voir le texte note de bas de page 1). En outre, le terrain peut élaborer des lignes directrices pour la sélection des plans de recherche et des plans d’étude qui tiennent compte des contraintes pratiques des contextes dans lesquels la mise en œuvre est étudiée et permettent l’évaluation du mécanisme. Les types de modèles de voies causales que nous avons préconisés ici, associés à une compréhension des contraintes d’un site d’étude particulier, permettraient aux chercheurs de sélectionner des méthodes et des conceptions appropriées pour évaluer les relations hypothétiques en examinant attentivement la dynamique temporelle, comme la fréquence à laquelle un mécanisme doit être mesuré et à quel point le résultat devrait changer et quand.

Pour vraiment faire progresser le domaine, il reste beaucoup à faire pour identifier ou développer des mesures psychométriquement fortes et pragmatiques des mécanismes de mise en œuvre. L’évaluation empirique des modèles de voies causales nécessite des mesures psychométriquement fortes des mécanismes qui sont également pragmatiques, mais aucune des sept revues publiées de mesures pertinentes pour la mise en œuvre ne se concentre sur les mécanismes. Il est probable que l’élaboration de mesures sera nécessaire pour faire progresser le domaine. Enfin, la science de la mise en œuvre pourrait bénéficier de l’établissement d’une conservation plus solide des données probantes pour le transfert et l’utilisation des connaissances. D’autres domaines abritent des bases de données en ligne pour la collecte, l’organisation et la synthèse des résultats empiriques. Ce faisant, les champs peuvent accumuler des connaissances plus rapidement et les utilisateurs de connaissances peuvent déterminer ce qui fonctionne, quand et pourquoi, ainsi que ce qui généralise et ce qui ne fonctionne pas. Une telle conservation des données probantes peut conduire plus efficacement à l’élaboration de stratégies de mise en œuvre améliorées (par exemple, grâce à la spécification de la stratégie), à l’identification de cibles mutables pour de nouvelles stratégies (par exemple, des mécanismes révélés pour des stratégies existantes qui peuvent ne pas être pragmatiques) et à la hiérarchisation de l’utilisation de la stratégie pour un contexte donné (par exemple, compte tenu de la connaissance des conditions préalables et des modérateurs).

Contributions des auteurs

CL et PK sont les co-premiers auteurs, qui ont codirigé le développement des manuscrits. CL et BW sont co-PIS sur une proposition R01 qui a conduit à la création de ce manuscrit. Tous les auteurs (CL, PK, BP, AL, LT, SJ, CW-B et BW) ont contribué au développement d’idées, à la rédaction et à l’édition de ce manuscrit et ont approuvé son contenu.

Déclaration de conflit d’intérêts

Les auteurs déclarent que la recherche a été menée en l’absence de relations commerciales ou financières pouvant être interprétées comme un conflit d’intérêts potentiel.

Le réviseur TW a déclaré une co-paternité passée avec l’un des auteurs BP à l’éditeur de gestion.

Remerciements

BP aimerait remercier le financement de l’Institut national de la santé mentale (K01MH113806).

Note de bas de page