Grenser I Folkehelsen

Bakgrunn: Hvorfor Bygge Årsakssammenheng Modeller?

de siste årene har det vært økende anerkjennelse av viktigheten av å implementere bevisbasert praksis som en måte å forbedre kvaliteten på helsevesenet og folkehelsen. Resultatene av implementeringsarbeidet er imidlertid blandet. Om lag to tredjedeler av innsatsen mislykkes i å oppnå den planlagte endringen (2), og nesten halvparten har ingen effekt på renteutfall (3). Implementeringsstrategier er ofte ikke i samsvar med barrierer (4), og implementeringsarbeidet blir stadig mer komplekst og kostbart uten økt effekt (5). Disse suboptimale utfallene skyldes i stor grad mangelen på testet teori innen implementeringsvitenskap (6). Spesielt har feltet en begrenset forståelse av hvordan ulike implementeringsstrategier fungerer—de spesifikke årsakssammenheng gjennom hvilke implementeringsstrategier påvirker omsorgstjenester . Som en konsekvens har implementeringsvitenskap vært begrenset i sin evne til effektivt å informere implementeringspraksis ved å gi veiledning om når og i hvilke sammenhenger spesifikke implementeringsstrategier skal brukes og, like viktig, når de ikke skal.

National Academy of Science definerer “vitenskap” som ” bruk av bevis for å konstruere testbare forklaringer og spådommer om naturfenomener, samt kunnskap generert gjennom denne prosessen.”(8) implementeringsområdet har brukt de siste to tiårene til å bygge og organisere kunnskap, men vi er langt fra å ha testbare forklaringer som gir oss muligheten til å generere spådommer. For å forbedre resultatene av implementeringsarbeidet trenger feltet testbare teorier som beskriver årsakssammenheng gjennom hvilke implementeringsstrategier fungerer (6, 9). I motsetning til rammer, som tilbyr en grunnleggende konseptuell struktur som ligger til grunn for et system eller konsept (10), gir teorier en testbar måte å forklare fenomener ved å spesifisere relasjoner mellom variabler, og dermed muliggjøre prediksjon av utfall (10, 11).

Årsakssammenheng modeller representerer sammenhenger mellom variabler og utfall av interesse i en gitt kontekst (dvs.byggesteinene i implementeringsteori). Ved å spesifisere strukturen i årsakssammenheng kan forskere empirisk teste om implementeringsstrategiene opererer via teoretiserte mekanismer, hvordan kontekstuelle faktorer modererer årsakssammenheng prosessene gjennom hvilke implementeringsstrategier opererer, og hvor mye varians i resultatene regnskapsføres av disse mekanismene. Funn fra studier basert på årsakssammenheng kan over tid både bidra til å utvikle mer robuste teorier om implementeringsprosesser og fremme implementeringspraksis ved å ta opp sentrale problemstillinger. For eksempel kan kausale modeller gjøre følgende: (1) informere utviklingen av forbedrede implementeringsstrategier, (2) identifisere foranderlige mål for nye strategier, (3) øke virkningen av eksisterende strategier, og (4) prioritere hvilke strategier som skal brukes i hvilke sammenhenger.

i dette perspektivstykket foreslår vi en tilnærming til teoriutvikling ved å spesifisere, i form av kausale banemodeller, hypoteser om kausal drift av ulike implementeringsstrategier i ulike innstillinger, slik at disse hypotesene kan testes og raffineres. Spesielt tilbyr vi en fire-trinns prosess for å utvikle årsakssammenheng modeller for implementeringsstrategier. Mot dette formål argumenterer vi for at feltet må bevege seg utover å ha lister over variabler som med rette kan betraktes som determinanter , og mot presis artikulasjon av mediatorer, moderatorer, forutsetninger og (proksimale versus distale) utfall (se Tabell 1 for definisjoner).

Bygge Kausale Banemodeller

vårt perspektiv bygger På Agile Science (13, 14)—en ny metode for å utvikle og studere atferdsintervensjoner som fokuserer på intervensjonsmodularitet, kausal modellering og effektive evalueringer for å generere empiriske bevis med klare grenseforhold (når det gjelder befolkning, kontekst, oppførsel, etc.) for å maksimere kunnskapsakkumulering og gjenbruk. Agile Science har blitt brukt til å undersøke målsettingsintervensjoner for fysisk aktivitet, engasjementstrategier for mobile helseprogrammer, depresjonstiltak for primærhelsetjenesten og automatiserte kostholdssignaler for å fremme vekttap (13, 15). Anvendt på implementeringsstrategier består Agile Science-informed causal pathway diagram modellering av minst fire trinn: (1) spesifisere implementeringsstrategier; (2) generere strategi-mekanisme koblinger; (3) identifisere proksimale og distale utfall; og (4) artikulere moderatorer og forutsetninger. For å demonstrere denne tilnærmingen, tilbyr vi eksempler på årsakssammenheng modeller for et sett av tre ulike implementeringsstrategier (Se Figur 1). Strategiene er hentet fra følgende eksempel. Et fellesskaps psykisk helsesenter planlegger å implementere målebasert omsorg der leverandører anmoder pasientrapporterte utfallsdata før kliniske møter for å informere behandlingen (17). Fellesskapets psykiske helsesenter planlegger å bruke opplæring ,økonomisk straff (disincentives) og revisjon og tilbakemelding, da de er vanlige strategier som brukes til å støtte målebasert omsorgsimplementering (18).

Trinn 1: Spesifisering Av Implementeringsstrategier

Ekspertanbefalingene for Gjennomføring Av Endringsstudien ga en samling av 73 implementeringsstrategier (19) utviklet av et tverrfaglig team gjennom en strukturert litteraturgjennomgang (20), Delphi-prosess og konseptkartleggingsøvelse (19, 21, 22). Dermed eksisterer det et solid fundament av strategier som er konseptuelt klare og veldefinerte. Samlingen ble imidlertid aldri eksplisitt knyttet til mekanismer. Etter Kazdin (7) definerer Vi “mekanismer” som prosesser eller hendelser der en implementeringsstrategi opererer for å påvirke ønskede implementeringsresultater. Ved nøye undersøkelse ser det ut til at mange strategier ikke er godt nok spesifisert til å være knyttet til mekanismer på en sammenhengende måte, et sentralt skritt i årsakssammenheng. For eksempel viser samlingen av 73 strategier “læringssamarbeid”, en generell tilnærming som de diskrete strategiene eller kjernekomponentene er underspesifisert for. Dette gjør det vanskelig å identifisere deres presise virkningsmekanismer (23). Underspesifiserte strategier gjør også feltet sårbart for feilaktig syntetisering av data på tvers av studier (24, 25).

i vårt eksempel er trening en strategi som er underspesifisert. Vi tilpasset prosedyrer Fra Michie et al. 26) å veilede strategispesifikasjon som anbefaler at hver strategi vurderes for om den: 1) har som mål å fremme adopsjon, implementering, opprettholdelse eller oppskalering av en kunnskapsbasert praksis; 2) er en foreslått “aktiv ingrediens” for adopsjon, implementering, opprettholdelse eller oppskalering; 3) representerer den minste komponenten mens den foreslåtte aktive ingrediensen beholdes; 4) kan brukes alene eller i kombinasjon med andre diskrete strategier; 5) er observerbar og replikerbar; og 6) kan ha en målbar innvirkning på spesifiserte implementeringsmekanismer (og i så fall om antatte mekanismer kan listes opp). Hvis strategier ikke oppfyller disse kriteriene, krever de revisjon og ytterligere spesifikasjon. Dette kan innebære å foreslå alternative definisjoner, eliminere en implementeringsstrategi helt, eller artikulere en ny, smalere strategi som er en komponent eller en type av den opprinnelige strategien. Trening vil oppfylle alle unntatt det tredje og sjette kriteriet (oppført tidligere), fordi trening kan bestå av flere aktive ingredienser (f.eks. didaktikk, modellering, rollespill/repetisjon, tilbakemelding, skygging) som hver kan operere på en unik mekanisme. I dette tilfellet, opplæring bør være mer snevert definert for å gjøre det klart sine kjernekomponenter.

Trinn 2: Generering Av Strategimekanismeforbindelser

når det er spesifisert, må en implementeringsstrategi knyttes til mekanismene som antas å ligge til grunn for dens funksjon. Mekanismer forklarer hvordan en implementeringsstrategi har en effekt ved å beskrive handlingene som fører fra administrasjon av strategien til implementeringsresultatene (se tabell 1 for definisjoner). Statistisk sett er mekanismer alltid mediatorer, men mediatorer kan ikke være mekanismer. På samme måte kan moderatorer peke mot mekanismer, men er ikke selv pålitelige mekanismer. Determinanter kan forklare hvorfor en implementeringsstrategi gjorde eller ikke hadde en effekt, men mekanismer forklarer hvordan en strategi hadde en effekt, for eksempel ved å endre statusen til en determinant. Determinanter er naturlig forekommende, og ofte, men ikke alltid, formbare faktorer som kan forhindre eller gjøre det mulig for strategien å påvirke de ønskede resultatene. Mekanismer aktiveres med vilje ved anvendelse av en implementeringsstrategi og kan operere på ulike nivåer av analyse, for eksempel på nivåer av intrapersonell (f. eks. læring), mellommenneskelig (f. eks. deling), organisatorisk (f. eks., ledende), fellesskap (f.eks. restrukturering) og makropolitikk (f. eks. veiledning) (27). For at en implementeringsinnsats skal lykkes, bør valgte strategier være kompatible med og i stand til å handle på de lokale determinanter . Selv om det ofte brukes i implementeringsvitenskap, foreslår vi at begrepet en determinant ikke er tilstrekkelig spesifikt da forskere har brukt det til å referere til minst to typer variabler i en årsakssammenheng: proksimale utfall og effektmodifikatorer (se tekstfotnote 1). Vår diskusjon nedenfor bruker disse mer presise vilkår i stedet.

de fleste implementeringsstrategier virker sannsynligvis via flere mekanismer, selv om det fortsatt er et empirisk spørsmål om en mekanisme er primær og andre er tilhørende. Det er også sannsynlig at den samme mekanismen kan være involvert i driften av flere implementeringsstrategier. Innledende vurdering av strategimekanismeforbindelser gjøres i sammenheng med det bredere vitenskapelige kunnskapsgrunnlaget om hvordan en strategi gir et utfall (7). For eksempel har mange strategier sin egen litteraturbase (f. eks., revisjon og tilbakemelding) (28) som gir teoretisk og empirisk innsikt om hvilke mekanismer som kan ligge til grunn for strategienes virkemåte . Forsøk bør alltid gjøres for å trekke på og teste eksisterende teorier, men hvis ingen gir tilstrekkelig veiledning, er hypotesevariabler som kan ha årsakssammenheng fortsatt kritiske. På denne måten kan de opprinnelig formulerte strategimekanismene over tid revurderes og raffineres etter hvert som studier begynner å teste dem empirisk. Selv om slike empiriske evalueringer for tiden er sjeldne—på tvers av to systematiske oversikter av implementeringsmekanismer, ble det bare identifisert 31 studier og ingen mekanismer ble empirisk etablert (se tekst fotnote 1; 29) – de kausale banemodellene vi foreslår her er eksplisitt ment å lette evalueringer av de mekanistiske prosessene gjennom hvilke implementeringsstrategier opererer.

Trinn 3: Identifisering Av Proksimale Og Distale Utfall

Implementeringsforskere har isolert åtte utfall som de ønskede endepunktene for implementeringsarbeidet: aksept, gjennomførbarhet, hensiktsmessighet, adopsjon, penetrasjon, troskap, kostnader og bærekraft (1). Mange av disse utfallene er hensiktsmessig tolket som latente variabler, men andre er åpenbare / observerbare i naturen (30) ; en nylig systematisk oversikt gir tiltak av disse utfallene og måler metadata (31). Når det gjelder årsakssammenheng som implementeringsstrategier opererer gjennom, blir disse utfallene ofte best konseptualisert som distale utfall som implementeringsprosessen er ment å oppnå, og hver av dem kan være mer fremtredende i en implementeringsfase enn en annen. Med Rammeverket For Leting, Forberedelse, Implementering og Opprettholdelse (32) kan for eksempel aksept av en evidensbasert praksis være mest fremtredende i letefasen, mens fidelity kan være målet for en gjennomføringsfase. Til tross for de troverdige tidsmessige sammenhengene mellom utfallene, viser økende bevis at ikke alle implementeringsstrategier påvirker hvert av de nevnte utfallene (f.eks. kan workshop-trening påvirke adopsjon, men ikke troskap) (33). For å fullt ut fastslå plausibiliteten til en implementeringsmekanisme og en testbar årsakssammenheng, må proksimale utfall forklares.

Proksimale utfall er direkte, målbare og typisk observerbare produkter av implementeringsstrategien som oppstår på grunn av dens spesifikke virkningsmekanisme. Det vil si at å påvirke et proksimalt utfall i den tiltenkte retningen kan bekrefte / avkrefte aktivering av den antatte mekanismen, og tilbyr en lav-inferens måte å etablere bevis for en teoretisert mekanisme. Ofte kan mekanismer i seg selv ikke måles direkte, tvinge (enten høy-inferensvurdering eller) avhengighet av observasjon av endring i et proksimalt utfall av interesse. For eksempel virker didaktisk utdanning, som en aktiv ingrediens i trening, primært gjennom mekanismen for læring på det proksimale utfallet av kunnskap for å påvirke det distale implementeringsresultatet av oppfattet aksepterbarhet eller til og med adopsjon. Praksis med tilbakemelding virker gjennom mekanismen for å reflektere over proksimale utfall av ferdigheter og selvtillit for å påvirke det distale implementeringsresultatet av adopsjon eller til og med troskap. For å identifisere proksimale utfall må man svare på spørsmålet: “Hvordan vet jeg om denne implementeringsstrategien hadde en effekt via mekanismen som jeg tror den aktiverer?”eller” Hva vil være annerledes hvis de hypotetiske mekanismene for denne strategien er på spill?”Det er svært vanlig at mekanismer og proksimale utfall blir sammenflettet i litteraturen, gitt at forskere ofte tester meklingsmodeller som undersøker virkningen av en strategi på et distalt implementeringsresultat via et mer proksimalt utfall. Måten vi bruker begrepene, en mekanisme er en prosess der en implementeringsstrategi opererer, og et proksimalt utfall er en målbar effekt av den prosessen som er i årsakssammenheng mot de distale implementeringsresultatene.

Trinn 4: Artikulerende Effektmodifikatorer

Til Slutt er det to typer effektmodifikatorer som er viktige å artikulere, som begge kan forekomme på flere nivåer av analyse: moderatorer og forutsetninger. Moderatorer er faktorer som øker eller reduserer nivået av innflytelse av en implementeringsstrategi på et utfall. Se Figur 1 der et eksempel for intra-individuelle og organisatoriske nivå moderatorer for revisjon og tilbakemelding er formulert. Teoretisk sett er moderatorer faktorer som samhandler med en strategis virkningsmekanisme, selv om nøyaktig hvordan de samhandler mekanistisk ikke forstås. Forutsetninger er faktorer som er nødvendige for at en implementeringsmekanisme i det hele tatt skal aktiveres (Se Figur 1). De er nødvendige forhold som må være på plass for årsakssammenheng som fører fra en implementeringsstrategi til dens proksimale og distale utfall skal finne sted. Både moderatorer og forutsetninger er oftest feilkarakterisert som” determinanter ” i implementeringsvitenskapelig litteraturbase, noe som kan begrense vår evne til å forstå arten av forholdet mellom en strategi og de individuelle og kontekstuelle faktorene som endrer dens effekter, og i sin tur hvor, når og hvorfor strategier har effekt på utfall av interesse.

Fremtidige Retninger: Hva Implementeringsfeltet Må Fullt Ut Etablere Seg Som En Vitenskap

for å fullt ut etablere seg som en vitenskap ved å tilby testbare forklaringer og muliggjøre generering av spådommer, tilbyr vi fire kritiske trinn for implementeringsfeltet: (1) spesifiser implementeringsstrategier; (2) generere implementeringsstrategi-mekanisme sammenhenger; (3) identifisere proksimale og distale utfall; og (4) artikulere effektmodifikatorer. I tillegg til disse trinnene foreslår vi at fremtidig forskning bør streve for generering av presise vilkår for faktorer som er involvert i implementeringsprosesser og bruke dem konsekvent på tvers av studier. I en systematisk gjennomgang av implementeringsmekanismer smeltet forskere sammen forutsetninger, prediktorer, moderatorer, mediatorer og proksimale utfall (se tekstfotnote 1). I tillegg er det rom for feltet å utvikle retningslinjer for valg av forskningsdesign og studieplaner som tar hensyn til praktiske begrensninger i sammenhenger der implementering studeres og gir mulighet for mekanismeevaluering. De typer kausale banemodeller som vi foreslo her, parret med en forståelse av begrensningene til et bestemt studiested, ville gjøre det mulig for forskere å velge passende metoder og design for å evaluere hypotetiske relasjoner ved å nøye vurdere den tidsmessige dynamikken, for eksempel hvor ofte en mekanisme skal måles og hvor mye utfallet forventes å endres og når.

for å virkelig fremme feltet, må mye arbeid gjøres for å identifisere eller utvikle psykometrisk sterke og pragmatiske tiltak av implementeringsmekanismer. Empirisk evaluering av kausale banemodeller krever psykometrisk sterke tiltak av mekanismer som også er pragmatiske, men ingen av de syv publiserte vurderingene av implementeringsrelevante tiltak fokuserer på mekanismer. Det er sannsynlig at tiltak utbygging vil være nødvendig for å fremme feltet. Endelig kan implementeringsvitenskap dra nytte av bygging av mer robust kurering av bevis for kunnskapsoverføring og bruk. Andre felt huset web – baserte databaser for innsamling, organisering og syntetisere empiriske funn . På den måten kan felt akkumulere kunnskap raskere, og brukere av kunnskap kan bestemme hva som fungerer, når og hvorfor, samt hva som generaliserer og hva som ikke gjør det. Slik konservering av bevis kan mer effektivt føre til utvikling av forbedrede implementeringsstrategier (f.eks. gjennom strategispesifikasjon), identifisering av foranderlige mål for nye strategier (f. eks. mekanismer avslørt for eksisterende strategier som kanskje ikke er pragmatiske) og prioritering av strategibruk for en gitt kontekst (f. eks. gitt kunnskap om forutsetninger og moderatorer).

Forfatterbidrag

CL og PK er medforfattere, som ledet manusutvikling. CL og BW er co-Pi på En R01 forslag som førte til begynnelsen av dette manuskriptet. Alle forfattere (CL, PK, BP, AL, LT, SJ, CW-B og BW) bidro til ideutvikling, skriving og redigering av dette manuskriptet og ble enige om innholdet.

Interessekonflikt

forfatterne erklærer at forskningen ble utført i fravær av kommersielle eller økonomiske forhold som kan tolkes som en potensiell interessekonflikt.

anmelderen TW erklærte et tidligere medforfatterskap med EN av forfatteren BP til håndteringsredaktøren.

Takk

BP ønsker å anerkjenne finansiering Fra Statens Institutt For Psykisk Helse (K01MH113806).

Fotnote