Frontiers in Public Health

Background: Why Build Causal Pathway Models?Nos últimos anos, tem-se vindo a reconhecer cada vez mais a importância da aplicação de práticas baseadas em provas como forma de melhorar a qualidade dos cuidados de saúde e da saúde pública. No entanto, os resultados dos esforços de execução foram mistos. Cerca de dois terços dos esforços não conseguem alcançar a mudança pretendida (2), e quase metade não tem efeito nos resultados de interesse (3). As estratégias de execução são muitas vezes incompatíveis com as barreiras (4) e os esforços de execução são cada vez mais complexos e onerosos sem um impacto reforçado (5). Estes resultados subóptimos são devidos, em grande parte, à escassez de teoria testada no campo da ciência de implementação (6). Em particular, o campo tem uma compreensão limitada de como as diferentes estratégias de implementação funcionam—os mecanismos causais específicos através dos quais as estratégias de implementação influenciam a prestação de cuidados . Consequentemente, a ciência de implementação tem sido limitada na sua capacidade de informar eficazmente as práticas de implementação, fornecendo orientação sobre quando e em que contextos devem ser utilizadas estratégias de implementação específicas e, o que é igualmente importante, quando não devem ser utilizadas.

a Academia Nacional de Ciência define “ciência” como “o uso de evidências para construir explicações testáveis e previsões de fenômenos naturais, bem como o conhecimento gerado através deste processo.”(8) o campo de implementação passou as últimas duas décadas construindo e organizando conhecimento, mas estamos longe de ter explicações testáveis que nos dão a capacidade de gerar previsões. Para melhorar os resultados dos esforços de implementação, o campo precisa de teorias testáveis que descrevem os caminhos causais através dos quais as estratégias de implementação funcionam (6, 9). Ao contrário de frameworks, que oferecem uma estrutura conceptual básica subjacente a um sistema ou conceito (10), as teorias fornecem uma forma testável de explicar fenômenos, especificando as relações entre as variáveis, permitindo assim a previsão de resultados (10, 11).Os modelos de vias causais representam inter-relações entre variáveis e resultados de interesse em um determinado contexto (isto é, os blocos de construção da teoria de implementação). A especificação da estrutura das relações causais permite que os cientistas testem empiricamente se as estratégias de implementação estão operando através de mecanismos teóricos, como os fatores contextuais moderam os processos causais através dos quais as estratégias de implementação operam, e quanto variância nos resultados é contabilizada por esses mecanismos. Os resultados de estudos baseados em modelos causais podem, ao longo do tempo, ajudar o campo a desenvolver teorias mais robustas sobre processos de implementação e avançar a prática de implementação, abordando questões-chave. Por exemplo, modelos causais podem fazer o seguinte: (1) informar o desenvolvimento de estratégias de implementação melhoradas, (2) identificar metas mutáveis para novas estratégias, (3) aumentar o impacto das estratégias existentes, e (4) priorizar quais estratégias a usar em que contextos.Nesta peça de perspectiva, propomos uma abordagem ao desenvolvimento teórico, especificando, sob a forma de modelos de vias causais, hipóteses sobre o funcionamento causal de diferentes estratégias de implementação em vários contextos, de modo que estas hipóteses possam ser testadas e refinadas. Especificamente, oferecemos um processo de quatro etapas para desenvolver modelos de caminhos causais para as estratégias de implementação. Para este fim, argumentamos que o campo deve ir além de ter listas de variáveis que podem ser corretamente consideradas determinantes , e para a articulação precisa de mediadores, moderadores, pré-condições e (proximal versus distal) resultados (Ver Tabela 1 Para definições).

Construção Causal Caminho Modelos

Nossa perspectiva baseia-se Ágil Ciência (13, 14)—um novo método para o desenvolvimento e estudar intervenções comportamentais, que se concentra sobre a intervenção modularidade, causal, modelagem e eficiente avaliações para gerar evidências empíricas claras condições de contorno (em termos de população, o contexto, o comportamento, etc.) para maximizar a acumulação de conhecimento e reprogramação. A ciência ágil tem sido usada para investigar intervenções de definição de objetivos para a atividade física, estratégias de engajamento para aplicações móveis de saúde, intervenções de depressão para cuidados primários e sugestões dietéticas automatizadas para promover a perda de peso (13, 15). Aplicado às estratégias de implementação, a modelagem de diagramas de vias causais com informação científica ágil consiste em pelo menos quatro etapas: (1) especificar estratégias de implementação; (2) gerar ligações estratégia-mecanismo; (3) identificar resultados proximais e distais; e (4) articular moderadores e pré-requisitos. Para demonstrar esta abordagem, oferecemos exemplos de modelos de percurso causal para um conjunto de três estratégias de implementação diversas (ver Figura 1). As estratégias são extraídas do seguinte exemplo. Um centro comunitário de saúde mental está planejando implementar cuidados baseados na medição em que os provedores solicitam dados de resultados relatados pelos pacientes antes de encontros clínicos para informar o tratamento (17). O Centro Comunitário de saúde mental planeja usar treinamento, penalidade financeira (desincentivos), e auditoria e feedback, pois são estratégias comuns usadas para apoiar a implementação de cuidados baseados na medição (18).

Step 1: Specifying Implementation Strategies

The Expert Recommendations for Implementing Change study yielded a compilation of 73 implementation strategies (19) developed by a multidisciplinary team through a structured literature review (20), Delphi process, and concept mapping exercise (19, 21, 22). Assim, existe uma base sólida de estratégias que são conceitualmente claras e bem definidas. No entanto, a compilação nunca foi explicitamente associada a mecanismos. Seguindo Kazdin (7), definimos “mecanismos” como os processos ou eventos através dos quais uma estratégia de implementação Opera para realizar os resultados de implementação desejados. Após um exame cuidadoso, parece que muitas estratégias não são suficientemente bem especificadas para estarem ligadas a mecanismos de forma coerente, um passo fundamental na construção do modelo causal. Por exemplo, a compilação de 73 estratégias lista “colaborações de aprendizagem”, uma abordagem geral para a qual as estratégias discretas ou componentes centrais estão subespecificados. Isto torna difícil identificar os seus mecanismos de Acção precisos (23). As estratégias subespecíficas também deixam o campo vulnerável a uma síntese inadequada de dados através de estudos (24, 25).No nosso exemplo, a formação é uma estratégia subespecífica. Adaptámos os procedimentos da Michie et al. (26) a guia de estratégia de especificação de recomendar que cada estratégia de ser avaliados para que seja: (1) tem como objectivo promover a adopção, implementação, manutenção, ou ampliação de uma prática baseada em evidências; (2) é uma proposta de “princípio ativo” da adoção, implementação, manutenção, ou scale-up; (3) representa o componente mais pequeno mantendo o ingrediente ativo proposto; (4) pode ser usado sozinho ou em combinação com outras estratégias discretas; (5) é observável e replicável; e (6) pode ter um impacto mensurável nos mecanismos de implementação especificados (e, em caso afirmativo, se os mecanismos putativos podem ser listados). Se as estratégias não satisfizerem estes critérios, necessitam de revisão e especificação. Isto pode envolver a sugestão de definições alternativas, a eliminação de uma estratégia de implementação completamente, ou a articulação de uma nova estratégia mais estreita que seja um componente ou um tipo da estratégia original. O treinamento atenderia a todos, exceto o terceiro e sexto critérios (listados anteriormente), pois o treinamento pode ser composto por vários ingredientes ativos (por exemplo, didática, modelagem, role play/ensaio, feedback, shadowing), cada um dos quais pode operar em um mecanismo único. Neste caso, a formação deve ser definida de forma mais estreita para tornar claras as suas componentes essenciais.

Passo 2: Uma vez especificada, uma estratégia de implementação precisa ser ligada aos mecanismos hipotéticos subjacentes ao seu funcionamento. Os mecanismos explicam o efeito de uma estratégia de execução, descrevendo as acções que conduzem da administração da estratégia aos resultados de execução (ver definições no quadro 1). Estatisticamente falando, os mecanismos são sempre mediadores, mas mediadores podem não ser mecanismos. Da mesma forma, os moderadores podem apontar para mecanismos, mas não são eles próprios mecanismos confiáveis. Determinantes podem explicar por que uma estratégia de implementação teve ou não um efeito, mas mecanismos explicam como uma estratégia teve um efeito, alterando, por exemplo, o estado de um determinante. Determinantes estão ocorrendo naturalmente, e muitas vezes, mas nem sempre, fatores maleáveis que poderiam prevenir ou permitir que a estratégia para afetar os resultados desejados. Os mecanismos são ativados intencionalmente pela aplicação de uma estratégia de implementação e podem operar em diferentes níveis de análise, tais como nos níveis intra-pessoais (por exemplo, aprendizagem), interpessoal (por exemplo, partilha), organizacional (por exemplo, partilha).), a comunidade (por exemplo, a reestruturação) e a macro-política (por exemplo, a guiding) (27). Para que um esforço de implementação seja bem sucedido, as estratégias escolhidas devem ser compatíveis com as determinantes locais e ser capazes de agir em conformidade com elas . Embora comumente usado na ciência de implementação, propomos que a noção de um determinante não é suficientemente específica, uma vez que os pesquisadores têm usado para se referir a pelo menos dois tipos de variáveis em um processo causal: resultados proximais e modificadores de efeito (Ver nota de rodapé 1). Nossa discussão abaixo usa estes termos mais precisos.

a maioria das estratégias de implementação provavelmente agem através de múltiplos mecanismos, embora continue a ser uma questão empírica se um mecanismo é primário e outros são auxiliares. É também provável que o mesmo mecanismo possa estar envolvido no funcionamento de múltiplas estratégias de implementação. A avaliação inicial das ligações entre os mecanismos de estratégia é feita no contexto de uma base de conhecimentos científicos mais ampla sobre a forma como uma estratégia produz um resultado (7). Por exemplo, muitas estratégias têm sua própria base de literatura (e.g.(28) que oferecem perspectivas teóricas e empíricas sobre os mecanismos que podem estar subjacentes ao funcionamento dessas estratégias . O esforço deve ser sempre feito para tirar partido e testar as teorias existentes, mas se nenhuma oferecer orientação suficiente, a hipótese de variáveis que podem ter influência causal permanece crítica. Desta forma, ao longo do tempo, as ligações estratégia-mecanismo inicialmente formuladas podem ser reavaliadas e aperfeiçoadas à medida que os estudos começam a testá-las empiricamente. Enquanto tais avaliações empíricas são actualmente raras—em duas revisões sistemáticas de mecanismos de implementação, apenas 31 estudos foram identificados e sem mecanismos foram empiricamente estabelecida (ver texto de nota de rodapé 1; 29)—causal caminho modelos propomos aqui são explicitamente destinadas a facilitar a avaliação da mecanicista processos através dos quais a implementação de estratégias de operar.

Passo 3: Identificação dos resultados proximais e distais

os cientistas de implementação isolaram oito resultados como os objectivos desejados dos esforços de implementação: aceitabilidade, viabilidade, adequação, adoção, Penetração, fidelidade, custo e sustentabilidade (1). Muitos destes resultados são adequadamente interpretados como variáveis latentes, mas outros são manifestos/observáveis na natureza (30); uma revisão sistemática recente oferece medidas destes resultados e mensura meta-dados (31). Em termos de processos causais através dos quais as estratégias de implementação operam, estes resultados são frequentemente melhor conceituados como resultados distais que o processo de implementação se destina a alcançar, e cada um deles pode ser mais saliente em uma fase de implementação do que outro. Por exemplo, com o quadro de exploração, preparação, implementação e Sustentabilidade (32), a aceitabilidade de uma prática baseada em evidências pode ser mais saliente na fase de exploração, enquanto a fidelidade pode ser o objetivo de uma fase de implementação. Apesar das interrelações temporais plausíveis entre os resultados, a evidência crescente indica que nem todas as estratégias de implementação influenciam cada um dos resultados acima mencionados (por exemplo, o treinamento em oficina pode influenciar a adoção, mas não a fidelidade) (33). Para estabelecer plenamente a plausibilidade de um mecanismo de implementação e de uma via causal testável, devem ser expostos os resultados proximais.

resultados proximais são produtos directos, mensuráveis e tipicamente observáveis da estratégia de implementação que ocorrem devido ao seu mecanismo específico de Acção. Isto é, afetando um resultado proximal na direção pretendida pode confirmar / confirmar a ativação do mecanismo putativo, oferecendo uma forma de baixa inferência para estabelecer evidências para um mecanismo teorizado. Na maioria das vezes, os mecanismos em si não podem ser diretamente medidos, forçando (ou avaliação de alta inferência ou) a confiança na observação da mudança em um resultado proximal de interesse. Por exemplo, a educação didáctica, enquanto ingrediente activo da formação, actua principalmente através do mecanismo de aprendizagem sobre o resultado proximal do conhecimento para influenciar o resultado da implementação distal da aceitabilidade percebida ou mesmo da adopção. A prática com feedback atua através do mecanismo de refletir sobre os resultados proximais das habilidades e confiança para influenciar o resultado da implementação distal da adoção ou mesmo da fidelidade. Para identificar resultados proximais, é preciso responder à pergunta: “Como saberei se esta estratégia de implementação teve um efeito através do mecanismo que eu acho que está ativando?”ou” What will be different if the hypothesized mechanisms for this strategy is at play?”É muito comum que mecanismos e resultados proximais sejam confundidos na literatura dado que os pesquisadores frequentemente testam modelos de mediação examinando o impacto de uma estratégia em um resultado de implementação distal através de um resultado mais proximal. Da forma como estamos usando os Termos, um mecanismo é um processo através do qual uma estratégia de implementação Opera, e um resultado proximal é um efeito mensurável desse processo que está no caminho causal para os resultados de implementação distal.

Passo 4: modificadores de efeito articulador

finalmente, existem dois tipos de modificadores de efeito que são importantes para articular, ambos os quais podem ocorrer em vários níveis de análise: moderadores e pré-requisitos. Os moderadores são factores que aumentam ou diminuem o nível de influência de uma estratégia de implementação num resultado. Ver Figura 1 em que se articula um exemplo para moderadores de nível intra-individual e organizacional para auditoria e feedback. Teoricamente, os moderadores são fatores que interagem com o mecanismo de ação de uma estratégia, mesmo que exatamente como eles interagem mecanicamente não sejam compreendidos. As condições prévias são factores que são necessários para que um mecanismo de implementação seja activado (ver Figura 1). São condições necessárias que precisam estar em vigor para o processo causal que leva de uma estratégia de implementação a seus resultados proximais e distais para ocorrer. Ambos os moderadores e pré-condições são mais frequentemente mischaracterized como “determinantes” para a implementação de ciência da literatura da base de dados, o que pode limitar a nossa capacidade de compreender a natureza das relações entre a estratégia e o indivíduo e os factores contextuais que modificar os seus efeitos, e, por sua vez, onde, quando, e por estratégias de ter um efeito sobre os resultados de interesse.

Direcções Futuras: O que o Campo de Aplicação Necessidades Plenamente Estabelecer-se como uma Ciência

, a fim de se estabelecer como uma ciência, oferecendo testável explicações e que permitam a geração de previsões, oferecemos quatro etapas fundamentais para o campo de aplicação: (1) especificar a implementação de estratégias; (2) gerar estratégia de implementação do mecanismo de vínculos; (3) identificar proximal e distal resultados; e (4) articular efeito de modificadores. Além destes passos, sugerimos que a pesquisa futura deve se esforçar para a geração de termos precisos para fatores envolvidos nos processos de implementação e usá-los consistentemente em todos os estudos. Numa revisão sistemática dos mecanismos de implementação, os investigadores confundiram pré-requisitos, predicadores, moderadores, mediadores e resultados proximais (Ver nota de rodapé 1). Além disso, há espaço para o campo desenvolver diretrizes para a seleção de projetos de pesquisa e planos de estudo que têm em conta as restrições práticas dos contextos em que a implementação é estudada e permitem a avaliação do mecanismo. Os tipos de causalidade caminho modelos que temos defendido aqui, juntamente com uma compreensão das restrições de um determinado local de estudo, seria permitir que os pesquisadores escolha adequada de métodos e modelos para avaliar a hipótese de relações por considerar cuidadosamente a dinâmica temporal como a frequência de um mecanismo que deve ser medido e o quanto o resultado é esperado para mudar e quando.

para fazer avançar verdadeiramente o campo, muito trabalho precisa ser feito para identificar ou desenvolver medidas psicometricamente fortes e pragmáticas de mecanismos de implementação. A avaliação empírica dos modelos de vias causais requer medidas psicometricamente fortes de mecanismos que são também pragmáticos, mas nenhuma das sete revisões publicadas das medidas relevantes para a implementação se concentra nos mecanismos. É provável que o desenvolvimento da medida seja necessário para fazer avançar o campo. Por último, a ciência de implementação poderia beneficiar da criação de uma curadoria mais robusta da evidência para a transferência e utilização de conhecimentos. Outros campos abrigam bancos de dados baseados na web para coletar, organizar e sintetizar achados empíricos . Ao fazê-lo, os campos podem acumular conhecimento mais rapidamente e os usuários do conhecimento podem determinar o que está funcionando, quando e por quê, bem como o que generaliza e o que não. Tal Curação de evidências pode levar mais eficientemente ao desenvolvimento de estratégias de implementação melhoradas (por exemplo, através da especificação de estratégia), identificação de metas mutáveis para novas estratégias (por exemplo, mecanismos revelados para as estratégias existentes que podem não ser pragmáticas), e priorização do uso da estratégia para um determinado contexto (por exemplo, dado o conhecimento de pré-condições e moderadores).

contribuições dos autores

CL e PK são co-autores, que co-lideraram o desenvolvimento do manuscrito. CL e BW são co-PIs em uma proposta R01 que levou ao início deste manuscrito. Todos os autores (CL, PK, BP, AL, LT, SJ, CW-B e BW) contribuíram para o desenvolvimento de ideias, escrita e edição deste manuscrito e concordaram com o seu conteúdo.

Declaração de conflito de interesses

os autores declaram que a investigação foi realizada na ausência de quaisquer relações comerciais ou financeiras que possam ser interpretadas como um potencial conflito de interesses.

the reviewer TW declared a past co-authorship with one of the author BP to the handling Editor.

reconhecimentos

a BP gostaria de reconhecer o financiamento do Instituto Nacional de Saúde Mental (K01MH113806).

Nota de rodapé