Mesure de l’acceptabilité de l’intervention, mesure de la pertinence de l’intervention et mesure de la faisabilité de l’intervention

1. Résumé / Abstract

Dans le domaine en pleine expansion de la science de l’implémentation, l’évaluation rigoureuse des résultats d’implantation (Proctor et al., 2011) s’avère tout aussi déterminante que la mesure des critères d’efficacité clinique traditionnels. La suite psychométrique composée de la Mesure de l’acceptabilité de l’intervention (Acceptability of Intervention Measure – AIM), de la Mesure de la pertinence de l’intervention (Intervention Appropriateness Measure – IAM) et de la Mesure de la faisabilité de l’intervention (Feasibility of Intervention Measure – FIM) constitue un ensemble d’instruments pragmatiques, brefs et standardisés développés par Bryan J. Weiner et ses collaborateurs (2017). Conçus pour combler les lacunes méthodologiques historiques caractérisées par un chevauchement conceptuel et une faible robustesse psychométrique, ces trois outils évaluent des indicateurs avancés fondamentaux présidant à l’adoption et à la pérennisation des pratiques fondées sur des données probantes (EBP) dans les milieux cliniques et communautaires.

L’instrumentation totale comprend 12 items, structurés en trois échelles unidimensionnelles distinctes de 4 items chacune. Chaque échelle repose sur un format de réponse de type Likert et permet d’isoler trois dimensions distinctes de l’ajustement (« fit ») : l’agrément personnel (AIM), l’adéquation technique ou contextuelle (IAM) et la viabilité pratique opérationnelle (FIM). Les propriétés psychométriques établies lors du développement attestent d’une cohérence interne remarquable (coefficients alpha de Cronbach de 0,85 pour l’AIM, 0,91 pour l’IAM et 0,89 pour la FIM) ainsi que d’une excellente validité de structure confirmée par analyse factorielle confirmatoire (CFI = 0,960 ; RMSEA = 0,08). Cet ensemble d’échelles offre aux chercheurs, cliniciens et décideurs une méthode robuste pour diagnostiquer précocement les barrières d’implémentation et ajuster les stratégies d’intervention de manière ciblée.

2. Mots-clés / Keywords

Science de l’implémentation, psychométrie, acceptabilité, pertinence, faisabilité, pratiques fondées sur des données probantes, évaluation des interventions, validité de construit, analyse factorielle confirmatoire, mesures pragmatiques, transfert de connaissances, services de santé mentale.

3. Auteurs / Authors

• Bryan J. Weiner, Ph.D. — Department of Global Health and Department of Health Services, University of Washington, Seattle, WA, États-Unis. Courriel : [email protected]
• Cara C. Lewis, Ph.D. — Kaiser Permanente Washington Health Research Institute, Seattle, WA ; Department of Psychological and Brain Sciences, Indiana University, Bloomington, IN, États-Unis. Courriel : [email protected]
• Cameo Stanick, Ph.D. — Hathaway-Sycamores Child and Family Services, Pasadena, CA, États-Unis.
• Byron J. Powell, Ph.D. — Department of Health Policy and Management, Gillings School of Global Public Health, University of North Carolina at Chapel Hill, Chapel Hill, NC, États-Unis.
• Caitlin N. Dorsey, B.A. — Kaiser Permanente Washington Health Research Institute, Seattle, WA, États-Unis.
• Alecia Clary, M.S.W. — School of Social Work, University of North Carolina at Chapel Hill, Chapel Hill, NC, États-Unis.
• Marcella H. Boynton, Ph.D. — Department of Health Behavior, Gillings School of Global Public Health, University of North Carolina at Chapel Hill, Chapel Hill, NC, États-Unis.
• Heather Halko, M.A. — Department of Psychology, University of Montana, Missoula, MT, États-Unis.

4. Objectif / Purpose

L’introduction d’innovations cliniques et d’interventions fondées sur des preuves dans les structures de soins se heurte fréquemment à l’échec de la mise en œuvre, un phénomène documenté dans la littérature sous le terme d’« écart entre la recherche et la pratique » (Lewis et al., 2015). Historiquement, les chercheurs et les gestionnaires de santé éprouvaient d’importantes difficultés à quantifier précisément les raisons pour lesquelles une intervention échouait lors de son déploiement terrain. Les instruments de mesure existants souffraient d’un manque criant de rigueur psychométrique, confondaient des concepts théoriques distincts ou utilisaient des formulations d’items interchangeables, créant une véritable « tour de Babel » terminologique et méthodologique (McKibbon et al., 2010 ; Martinez et al., 2014).

La suite d’instruments AIM, IAM et FIM a été développée spécifiquement pour remédier à ce déficit méthodologique critique. L’objectif premier de ces outils est de fournir des mesures hautement pragmatiques, standardisées et psychométriquement validées pour quantifier trois résultats d’implémentation précoces théorisés par Proctor et al. (2011) : l’acceptabilité, la pertinence et la faisabilité. En science de l’implémentation, ces trois dimensions agissent comme des indicateurs avancés (leading indicators) déterminant la probabilité d’adoption initiale, de fidélité de mise en œuvre et de pérennisation à long terme d’une pratique clinique.

Sur le plan des applications de recherche et de pratique clinique, ces échelles remplissent une triple fonction diagnostique, formative et évaluative :

• Diagnostic précis des barrières : Elles permettent de dissocier les sources d’adhésion ou de résistance des parties prenantes (professionnels de santé, administrateurs, patients). Par exemple, un protocole de soins peut être jugé hautement pertinent pour une pathologie donnée (score IAM élevé) tout en étant perçu comme totalement infaisable en raison d’un manque d’effectifs ou de temps (score FIM faible).
• Personnalisation des stratégies d’implémentation : En isolant la composante déficitaire, les équipes de recherche translationnelle et les directeurs cliniques peuvent adapter leurs stratégies d’accompagnement du changement (Powell et al., 2015), par exemple en allégeant la charge procédurale si la faisabilité est basse, ou en renforçant la formation pédagogique si la pertinence perçue fait défaut.
• Comparabilité cumulative : La brièveté et la standardisation de ces 12 items favorisent la comparaison systématique des résultats à travers divers contextes organisationnels, populations cliniques et domaines médicaux, soutenant ainsi l’élaboration d’un corpus de connaissances reproductibles.

5. Construit psychologique / Construct

Le cadre conceptuel qui unifie l’AIM, l’IAM et la FIM s’articule autour de la notion fondamentale d’ajustement (« fit » ou concordance) entre une pratique innovante et les critères évaluatifs mobilisés par les acteurs de la mise en œuvre (Weiner et al., 2017). Bien que ces trois dimensions soient corrélées dans la pratique empirique, elles représentent des construits latents théoriquement distincts fondés sur des objets de jugement spécifiques :

Acceptabilité (Acceptability – mesurée par l’AIM)

L’acceptabilité renvoie à la dimension personnelle et affective de l’ajustement. Elle est définie comme la perception par les parties prenantes qu’une intervention, un traitement ou un service donné est agréable, satisfaisant ou attrayant en fonction de leurs propres préférences, valeurs et sensibilités individuelles. L’acceptabilité capture la réaction subjective et l’assentiment d’un individu face à l’innovation. Par exemple, un psychologue clinicien peut évaluer si une thérapie numérique lui procure une impression générale positive et correspond à son style d’exercice préféré, indépendamment des contraintes matérielles du service.

Pertinence (Appropriateness – mesurée par l’IAM)

La pertinence correspond à la dimension technique, sociale ou contextuelle de l’ajustement. Elle mesure l’adéquation perçue, la conformité ou la compatibilité d’une intervention avec la mission de l’organisation, les normes professionnelles des prestataires ou les besoins cliniques spécifiques de la population cible. Contrairement à l’acceptabilité qui relève de l’attrait personnel, la pertinence implique un jugement fonctionnel et téléologique : l’intervention est-elle la solution adéquate pour le problème clinique identifié dans ce contexte précis ? Par exemple, une équipe soignante évalue si un protocole de gestion du délirium en unité de soins intensifs répond adéquatement aux profils de comorbidité de leurs patients âgés.

Faisabilité (Feasibility – mesurée par la FIM)

La faisabilité reflète la dimension pratique et opérationnelle de l’ajustement. Elle désigne la mesure dans laquelle une nouvelle intervention peut être concrètement exécutée, appliquée ou intégrée au sein d’un environnement organisationnel compte tenu des ressources financières, matérielles, temporelles et humaines disponibles (Bowen et al., 2009). La faisabilité pose la question pragmatique de la viabilité : non pas si l’intervention est appréciée ou adaptée en théorie, mais si sa mise en œuvre est matériellement possible dans les conditions réelles d’exercice. Par exemple, une intervention complexe nécessitant 90 minutes d’évaluation diagnostique peut être jugée hautement acceptable et pertinente, mais présenter une faisabilité quasi nulle dans un service d’urgence saturé.

6. Cadre théorique / Theoretical Framework

La genèse de la suite d’instruments AIM, IAM et FIM s’inscrit au carrefour de plusieurs cadres théoriques majeurs en psychologie des organisations et en science de l’implémentation :

La taxonomie des résultats d’implémentation de Proctor et al. (2011)

Le socle théorique primaire de l’outil repose sur la typologie séminale proposée par Enola Proctor et ses collègues (2011), qui a formalisé la distinction conceptuelle entre trois niveaux de résultats dans la recherche translationnelle : les résultats du service (efficacité, sécurité, équité, centration sur le patient), les résultats cliniques (symptômes, fonctionnement, qualité de vie) et les résultats d’implémentation (acceptabilité, adoption, pertinence, faisabilité, fidélité, coût, pénétration, pérennisation). Weiner et al. ont ciblé l’acceptabilité, la pertinence et la faisabilité parce qu’elles constituent des prérequis conceptuels et temporels (« leading indicators ») influençant l’ensemble de la cascade d’adoption ultérieure.

Le modèle consolidé pour la recherche sur l’implémentation (CFIR)

L’ancrage théorique s’aligne également sur le Consolidated Framework for Implementation Research (CFIR) développé par Damschroder et al. (2009). Dans ce modèle métathéorique, l’interaction entre les caractéristiques de l’intervention (sa source, sa complexité, son adaptabilité), le contexte interne (climat organisationnel, ressources disponibles) et les caractéristiques des individus détermine le succès du déploiement. L’AIM capte la dimension individuelle, l’IAM fait le pont entre les caractéristiques de l’intervention et le contexte de soin, et la FIM évalue la compatibilité avec le contexte organisationnel interne.

Le paradigme de la mesure pragmatique et la méthode de validité substantielle

Sur le plan méthodologique, le cadre de développement s’appuie sur les principes de la mesure pragmatique définis par Glasgow et Riley (2013) ainsi que par les travaux du Society for Implementation Research Collaboration (SIRC) (Lewis et al., 2015 ; Beidas et al., 2015). Une mesure pragmatique doit être brève, peu coûteuse, facile à administrer et directement exploitable par les praticiens sans imposer une charge cognitive excessive. Pour opérationnaliser ces critères tout en garantissant une pureté factorielle irréprochable, les auteurs ont appliqué le protocole quantitatif rigoureux de validité substantielle formulé par Anderson et Gerbing (1991) et raffiné par Huijg et al. (2014), combinant l’évaluation par des panels d’experts et l’application de la correction statistique de Hochberg (Hochberg, 1988).

7. Validité / Validity

La validation psychométrique de la suite AIM-IAM-FIM a été menée au moyen d’un protocole expérimental et quantitatif multi-étapes exemplaire (Weiner et al., 2017), conforme aux standards internationaux de l’évaluation de la validité (Messick, 1995) :

Validité de contenu substantielle et discriminante

Pour éliminer le chevauchement sémantique historique entre les construits, un pool initial de 36 items potentiels (12 par dimension) a été soumis à un panel d’experts composé de chercheurs titulaires d’un doctorat en science de l’implémentation et de professionnels de santé mentale expérimentés dans la mise en œuvre. Les panélistes devaient évaluer l’adéquation de chaque item avec sa définition théorique cible ainsi qu’avec les définitions concurrentes. Deux indices quantitatifs ont été calculés selon l’approche d’Anderson et Gerbing (1991) : le coefficient de proportion substantielle (psa) et le coefficient de validité substantielle (csv). L’application de la correction de Hochberg pour les tests multiples a permis d’isoler uniquement les items présentant une saturation univoque sur leur construit d’appartenance, excluant tout item manifestant une ambiguïté conceptuelle.

Validité de structure et validité pour groupes connus (Known-Groups Validity)

La validité structurelle et la sensibilité aux contrastes théoriques ont été évaluées auprès d’un échantillon de conseillers en santé mentale au moyen d’un plan expérimental factoriel à base de vignettes cliniques. Les scénarios manipulaient systématiquement les niveaux d’acceptabilité, de pertinence et de faisabilité d’une pratique clinique fictive. Les résultats ont démontré que les trois échelles distinguaient avec une puissance statistique élevée et une grande précision les conditions expérimentales contrastées, confirmant la validité pour groupes connus (Davidson, 2014). De plus, les corrélations inter-échelles, bien que significatives et positives (reflétant le fait que ces perceptions covarient naturellement dans des environnements réels), sont restées à des niveaux modérés à élevés sans jamais atteindre le seuil de colinéarité, prouvant qu’elles mesurent bien des facettes distinctes et non une attitude d’approbation globale indifférenciée.

8. Fidélité / Reliability

La précision de mesure et l’homogénéité interne ont fait l’objet d’analyses rigoureuses tout au long du processus d’élagage des échelles. Après élimination des items redondants ou moins performants pour aboutir à un format ultra-court de 4 items par sous-échelle, les indices de fidélité ont révélé d’excellentes propriétés :

• Acceptability of Intervention Measure (AIM) : Alpha de Cronbach (α) = 0,85.
• Intervention Appropriateness Measure (IAM) : Alpha de Cronbach (α) = 0,91.
• Feasibility of Intervention Measure (FIM) : Alpha de Cronbach (α) = 0,89.

Ces coefficients dépassent très largement le seuil standard de 0,70 couramment requis pour la recherche en psychométrie et sciences sociales (Hinkin, 1998), et approchent ou dépassent le seuil strict de 0,90 recommandé pour les évaluations à portée décisionnelle. L’obtention de valeurs d’alpha comprises entre 0,85 et 0,91 avec seulement 4 items par échelle représente une performance métrologique remarquable, démontrant que chaque item apporte une contribution substantielle et spécifique à la variance du construit sous-jacent sans créer de redondance inutile.

9. Analyse factorielle / Factor Analysis

L’évaluation de la structure dimensionnelle des instruments a mobilisé des analyses factorielles exploratoires (AFE) préalables puis des modélisations par équations structurelles via l’analyse factorielle confirmatoire (AFC) réalisées sous le logiciel Mplus (Schreiber et al., 2006 ; Muthén & Muthén, 2012) :

Comparaison de modèles concurrents

Les chercheurs ont testé et comparé formellement plusieurs structures hypothétiques afin de vérifier si les 12 items reflétaient une attitude générale unique ou trois dimensions corrélées :

1. Modèle unifactoriel global (Omnibus 1-factor model) : Ce modèle supposait que l’ensemble des 12 items saturait sur un seul facteur général de disposition favorable envers l’intervention. Ce modèle a présenté un ajustement très médiocre aux données empiriques, confirmant que l’évaluation par les parties prenantes ne se résume pas à un facteur d’évaluation générale.
2. Modèle trifactoriel corrélé (Hypothesized 3-factor model) : Ce modèle postulait trois facteurs latents distincts mais intercorrélés correspondant à l’Acceptabilité (4 items), la Pertinence (4 items) et la Faisabilité (4 items).

Indices d’ajustement global et saturations factorielles

Le modèle trifactoriel a démontré un ajustement excellent et robuste selon les critères conventionnels établis dans la littérature psychométrique (Hu & Bentler, 1999) :

• Comparative Fit Index (CFI) : 0,960 (dépassant le seuil d’excellence de 0,95).
• Root Mean Square Error of Approximation (RMSEA) : 0,08 (IC 90% conforme aux normes d’adéquation acceptable).
• Saturations factorielles standardisées (λ) : Toutes les saturations des items sur leurs facteurs respectifs étaient fortes et statistiquement significatives (p < 0,001), avec des valeurs s’échelonnant entre 0,75 et 0,89.

Ces données confirment empiriquement que la structure trifactorielle représente fidèlement l’architecture cognitive et évaluative des acteurs lors de l’appréciation d’une intervention en santé.

10. Instrument de mesure / Instrument

• Type de test : Questionnaire d’auto-évaluation standardisé (Self-report survey).
• Format global : Suite de 3 échelles distinctes totalisant 12 items (4 items par échelle).
• Échelles composantes :
  • Acceptability of Intervention Measure (AIM) : 4 items évaluant l’assentiment personnel et l’attrait.
  • Intervention Appropriateness Measure (IAM) : 4 items évaluant la pertinence technique et contextuelle.
  • Feasibility of Intervention Measure (FIM) : 4 items évaluant la faisabilité matérielle et pratique.
• Format de réponse : Échelle ordinale de type Likert en 5 points allant généralement de 1 (« Pas du tout d’accord » / Completely Disagree) à 5 (« Tout à fait d’accord » / Completely Agree).
• Procédure de cotation (Scoring) : Les items sont cotés pour produire soit un score total par sous-échelle (somme des 4 items, étendue de 4 à 20), soit un score moyen par dimension (moyenne des 4 items, étendue de 1,0 à 5,0). Un score plus élevé indique une acceptabilité, une pertinence ou une faisabilité perçue supérieure. Il est recommandé de ne pas fusionner les trois scores en un score composite global afin de préserver la spécificité diagnostique de chaque dimension.
• Population cible : Professionnels de santé, cliniciens, cadres soignants, gestionnaires d’établissements de santé, intervenants communautaires et parties prenantes impliquées dans la mise en œuvre de programmes cliniques ou organisationnels.
• Modalités d’administration : Auto-administration individuelle sur support papier ou électronique (durée de passation estimée : moins de 3 à 5 minutes pour l’ensemble des 12 items).

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication princeps : 2017.
• Statut des droits et accessibilité : L’article original de validation a été publié sous licence Creative Commons Attribution 4.0 International (CC BY 4.0) dans la revue en libre accès Implementation Science (BioMed Central / Springer Nature).
• Tarifs d’utilisation : Utilisation gratuite à des fins de recherche académique, d’évaluation clinique et d’amélioration continue de la qualité. Aucune redevance financière n’est requise.
• Conditions d’utilisation et permissions : Les chercheurs et praticiens sont autorisés à reproduire, adapter et utiliser les échelles à condition de citer explicitement la publication de référence originale (Weiner et al., 2017).

12. Références / References

Les références bibliographiques suivantes sont présentées selon les normes APA (7^e édition) :

• Aarons, G. A., Ehrhart, M. G., & Farahnak, L. R. (2014). The Implementation Leadership Scale (ILS): development of a brief measure of unit level implementation leadership. Implementation Science, 9(1), Article 45. https://doi.org/10.1186/1748-5908-9-45
• Anderson, J. C., & Gerbing, D. W. (1991). Predicting the performance of measures in a confirmatory factor analysis with a pretest assessment of their substantive validities. Journal of Applied Psychology, 76(5), 732–740. https://doi.org/10.1037/0021-9010.76.5.732
• Bauer, M. S., Damschroder, L., Hagedorn, H., Smith, J., & Kilbourne, A. M. (2015). An introduction to implementation science for the non-specialist. BMC Psychology, 3(1), Article 32. https://doi.org/10.1186/s40359-015-0089-9
• Beidas, R. S., Stewart, R. E., Walsh, L., Lucas, S., Downey, M. M., Jackson, K., & Mandell, D. S. (2015). Free, brief, and validated: Standardized instruments for low-resource mental health settings. Cognitive and Behavioral Practice, 22(1), 5–19. https://doi.org/10.1016/j.cbpra.2014.02.002
• Bowen, D. J., Kreuter, M., Spring, B., Cofta-Woerpel, L., Linnan, L., Weiner, D., Bakken, S., Frost, C. P., & Fernandez, M. (2009). How we design feasibility studies. American Journal of Preventive Medicine, 36(5), 452–457. https://doi.org/10.1016/j.amepre.2009.02.002
• Brownson, R. C., Jacobs, J. A., Tabak, R. G., Hoehner, C. M., & Stamatakis, K. A. (2013). Designing for dissemination among public health researchers: Findings from a national survey in the United States. American Journal of Public Health, 103(9), 1693–1699. https://doi.org/10.2105/AJPH.2012.301165
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Curran, G. M., Bauer, M., Mittman, B., Pyne, J. M., & Stetler, C. (2012). Effectiveness-implementation hybrid designs: Combining elements of clinical effectiveness and implementation research to enhance public health impact. Medical Care, 50(3), 217–226. https://doi.org/10.1097/MLR.0b013e3182408812
• Damschroder, L. J., Aron, D. C., Keith, R. E., Kirsh, S. R., Alexander, J. A., & Lowery, J. C. (2009). Fostering implementation of health services research findings into practice: A consolidated framework for advancing implementation science. Implementation Science, 4(1), Article 50. https://doi.org/10.1186/1748-5908-4-50
• Davidson, M. (2014). Known-groups validity. In A. C. Michalos (Ed.), Encyclopedia of quality of life and well-being research (pp. 3481–3482). Springer Netherlands. https://doi.org/10.1007/978-94-007-0753-5_1581
• Dixon, D., Pollard, B., & Johnston, M. (2007). What does the chronic pain grade questionnaire measure? Pain, 130(3), 249–253. https://doi.org/10.1016/j.pain.2006.12.004
• Ehrhart, M. G., Aarons, G. A., & Farahnak, L. R. (2014). Assessing the organizational context for EBP implementation: The development and validity testing of the Implementation Climate Scale (ICS). Implementation Science, 9(1), Article 157. https://doi.org/10.1186/s13012-014-0157-1
• Glasgow, R. E. (2009). Critical measurement issues in translational research. Research on Social Work Practice, 19(5), 560–568. https://doi.org/10.1177/1049731509335497
• Glasgow, R. E., & Riley, W. T. (2013). Pragmatic measures: What they are and why we need them. American Journal of Preventive Medicine, 45(2), 237–243. https://doi.org/10.1016/j.amepre.2013.03.010
• Hinkin, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods, 1(1), 104–121. https://doi.org/10.1177/109442819800100106
• Hochberg, Y. (1988). A sharper Bonferroni procedure for multiple tests of significance. Biometrika, 75(4), 800–802. https://doi.org/10.1093/biomet/75.4.800
• Hox, J. J., & Bechger, T. M. (1998). An introduction to structural equation modelling. Family Science Review, 11, 354–373.
• Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• Huijg, J. M., Gebhardt, W. A., Crone, M. R., Dusseldorp, E., & Presseau, J. (2014). Discriminant content validity of a theoretical domains framework questionnaire for use in implementation research. Implementation Science, 9(1), Article 11. https://doi.org/10.1186/1748-5908-9-11
• Jacobs, S. R., Weiner, B. J., & Bunger, A. C. (2014). Context matters: Measuring implementation climate among individuals and groups. Implementation Science, 9(1), Article 46. https://doi.org/10.1186/1748-5908-9-46
• Lewis, C. C., Fischer, S., Weiner, B. J., Stanick, C., Kim, M., & Martinez, R. G. (2015). Outcomes for implementation science: An enhanced systematic review of instruments using evidence-based rating criteria. Implementation Science, 10(1), Article 155. https://doi.org/10.1186/s13012-015-0342-x
• Lewis, C. C., Stanick, C. F., Martinez, R. G., Weiner, B. J., Kim, M., Barwick, M., & Darnell, D. (2015). The Society for Implementation Research Collaboration Instrument Review Project: A methodology to promote rigorous evaluation. Implementation Science, 10(1), Article 2. https://doi.org/10.1186/s13012-014-0193-x
• Lewis, C. C., Weiner, B. J., Stanick, C., & Fischer, S. M. (2015). Advancing implementation science through measure development and evaluation: A study protocol. Implementation Science, 10(1), Article 102. https://doi.org/10.1186/s13012-015-0287-0
• Martinez, R. G., Lewis, C. C., & Weiner, B. J. (2014). Instrumentation issues in implementation science. Implementation Science, 9(1), Article 118. https://doi.org/10.1186/s13012-014-0118-8
• MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130–149. https://doi.org/10.1037/1082-989X.1.2.130
• McKibbon, K. A., Lokker, C., Wilczynski, N. L., Ciliska, D., Dobbins, M., Davis, D. A., Haynes, R. B., & Straus, S. E. (2010). A cross-sectional study of the number and frequency of terms used to refer to knowledge translation in a body of health literature in 2006: A Tower of Babel? Implementation Science, 5(1), Article 16. https://doi.org/10.1186/1748-5908-5-16
• Messick, S. (1995). Validity of psychological assessment: Validation of inferences from persons’ responses and performances as scientific inquiry into score meaning. American Psychologist, 50(9), 741–749. https://doi.org/10.1037/0003-066X.50.9.741
• Muthén, L. K., & Muthén, B. O. (2012). Mplus user’s guide (7th ed.). Muthén & Muthén.
• Powell, B. J., Proctor, E. K., Glisson, C. A., Kohl, P. L., Raghavan, R., Brownson, R. C., Stoner, B. P., Carpenter, C., & Palinkas, L. A. (2013). A mixed methods multiple case study of implementation as usual in children’s social service organizations: Study protocol. Implementation Science, 8(1), Article 92. https://doi.org/10.1186/1748-5908-8-92
• Powell, B. J., Waltz, T. J., Chinman, M. J., Damschroder, L. J., Smith, J. L., Matthieu, M. M., Proctor, E. K., & Kirchner, J. E. (2015). A refined compilation of implementation strategies: Results from the Expert Recommendations for Implementing Change (ERIC) project. Implementation Science, 10(1), Article 21. https://doi.org/10.1186/s13012-015-0209-1
• Proctor, E. K., Powell, B. J., & Feely, M. (2014). Measurement in dissemination and implementation science. In R. S. Beidas & P. C. Kendall (Eds.), Dissemination and implementation of evidence-based practices in child and adolescent mental health (pp. 22–43). Oxford University Press.
• Proctor, E., Silmere, H., Raghavan, R., Hovmand, P., Aarons, G., Bunger, A., Griffey, R., & Hensley, M. (2011). Outcomes for implementation research: Conceptual distinctions, measurement challenges, and research agenda. Administration and Policy in Mental Health and Mental Health Services Research, 38(2), 65–76. https://doi.org/10.1007/s10488-010-0319-7
• Schreiber, J. B., Nora, A., Stage, F. K., Barlow, E. A., & King, J. (2006). Reporting structural equation modeling and confirmatory factor analysis results: A review. The Journal of Educational Research, 99(6), 323–338. https://doi.org/10.3200/JOER.99.6.323-338
• Scott, K., & Lewis, C. C. (2015). Using measurement-based care to enhance any treatment. Cognitive and Behavioral Practice, 22(1), 49–59. https://doi.org/10.1016/j.cbpra.2014.01.010
• Shea, C. M., Jacobs, S. R., Esserman, D. A., Bruce, K., & Weiner, B. J. (2014). Organizational readiness for implementing change: A psychometric assessment of a new measure. Implementation Science, 9(1), Article 7. https://doi.org/10.1186/1748-5908-9-7
• Spearman, C. (1904). The proof and measurement of association between two things. The American Journal of Psychology, 15(1), 72–101. https://doi.org/10.2307/1412159
• Weiner, B. J., Lewis, C. C., Stanick, C., Powell, B. J., Dorsey, C. N., Clary, A. S., Boynton, M. H., & Halko, H. (2017). Psychometric assessment of three brief measures of implementation outcome: Acceptability of Intervention Measure, Intervention Appropriateness Measure, and Feasibility of Intervention Measure. Implementation Science, 12(1), Article 108. https://doi.org/10.1186/s13012-017-0635-3

13. Questions et items du questionnaire / Scale Items

Acceptability of Intervention Measure (AIM):
1. [Intervention] meets my approval.
2. [Intervention] is appealing to me.
3. I like [Intervention].
4. I welcome [Intervention].

Intervention Appropriateness Measure (IAM):
5. [Intervention] seems fitting.
6. [Intervention] seems suitable.
7. [Intervention] seems applicable.
8. [Intervention] seems like a good match.

Feasibility of Intervention Measure (FIM):
9. [Intervention] seems implementable.
10. [Intervention] seems possible.
11. [Intervention] seems doable.
12. [Intervention] seems easy to use.