Studiare la complessità nella ricerca sui servizi sanitari: alla disperata ricerca di un cambiamento di paradigma da tempo atteso

Introduzione

L’interesse della medicina per la complessità è stato finora in gran parte superficiale, sia teoricamente che empiricamente. È di moda parlare di interventi complessi, di sistemi complessi, di pazienti complessi, di problemi malvagi e simili. Tuttavia, con poche eccezioni, abbracciamo il tema della complessità solo di nome e non riusciamo ad agganciarci alla sua logica di fondo.

Nel 2001, Plsek e Greenhalgh hanno pubblicato una serie di articoli sul British Medical Journal, introducendo il tema della complessità[1] e applicando i principi della complessità all’assistenza clinica[2], alla leadership e alla gestione [3] e all’apprendimento permanente[4]. Quella serie è stata ampiamente citata, ma il cambiamento di paradigma che annunciava non si è verificato.

L’assistenza sanitaria contemporanea sta vivendo diverse sfide importanti, tra cui un disallineamento tra il “paziente nella linea guida” e il “paziente a letto” a causa della multi-morbilità e delle influenze socioculturali interagenti; un’incapacità per gli “emarginati”. i pazienti ad accedere ai servizi del medico di base nonostante il miracolo della super-scienza curi onnipresente nei media; nuovi ruoli del personale, forme organizzative e tecnologie che a volte sembrano peggiorare i problemi che sono stati introdotti per risolvere; e la politica della vacca sacra dell’assistenza integrata che si è ripetutamente rivelata impossibile da realizzare nella pratica. Man mano che queste sfide diventano sempre più pressanti, è giunto il momento di rivedere la domanda originale posta dalla serie del 2001 del British Medical Journal: “Cos’è la complessità e quali sono le sue implicazioni per la pratica clinica, la ricerca, l’organizzazione dei servizi e la formazione professionale?

Oggi, lanciamo una nuova serie ispirata da un workshop internazionale “We Need to Talk about Complexity” tenutosi a Oxford, Regno Unito, nel giugno 2017 [5],che ha dato vita a un open call for papers di BMC Medicine [6]. La serie inizia con cinque articoli[7-11], e altri ne verranno aggiunti in futuro. Ci auguriamo che questa nuova serie (1) spieghi cosa sia il pensiero della complessità e come esso metta in discussione alcuni dei presupposti profondamente radicati nella comunità medica su come funziona il mondo; (2) illustri come una ricerca e una borsa di studio informate sulla complessità possano fornire spunti e modi di procedere per alcuni dei problemi più intrattabili della medicina; e (3) delinei una futura agenda di ricerca per lo studio della complessità nella medicina e nell’assistenza sanitaria.

Complessità e sistemi complessi

La complessità è descritta come “uninsieme dinamico e costantemente emergente di processi e oggetti che non solo interagiscono tra loro, ma vengono definiti da queste interazioni”[12]. I sistemi complessi hanno confini confusi; i loro agenti interagenti operano sulla base di regole interne che non sempre possono essere previste; e si adattano, interagiscono e coevolvono con altri sistemi[1, 13, 14]. Fondamentalmente, la complessità è una caratteristica del sistema o dei sistemi, non solo una caratteristica degli interventi[15, 16]. Infatti, sia che un intervento sia semplice (una componente attiva, immutabile) o complesso (più componenti che interagiscono tra loro), il “sistema” in cui l’intervento viene attuato dovrà quasi sempre adattarsi in qualche modo ad esso [15, 16]. Spesso, un intervento pianificato (ad esempio un programma di salute pubblica multi-componente che mira a prevenire il diabete di tipo 2) e il suo contesto (ad esempio, una comunità di centro città svantaggiata e multietnica con limitate strutture per il tempo libero, molteplici fast-food e punti di ristoro di strada, e una varietà di programmi di sostegno alla comunità basati sulla fede esistenti) saranno correlati e reciprocamente interagenti – il ballerino e la danza sono intrecciati.

Altre caratteristiche di complessità, meno discusse, sono molto rilevanti per lo studio dei servizi e dei sistemi sanitari. Il mondo si muove rapidamente; le linee di base si spostano, le tecnologie si bloccano, le azioni sono (variamente) limitate e la certezza è sfuggente. Il divario tra l’ideale basato sull’evidenza e le realtà politiche e materiali del qui e ora può essere ampio. Le decisioni devono essere prese sulla base di dati incompleti o contestati. Le persone usano la loro creatività e generano soluzioni adattive che hanno senso a livello locale. Le articolazioni, le soluzioni e le confusioni che mantengono lo spettacolo sulla strada non sono note a piè di pagina nella storia, ma la sua trama centrale. Dovrebbero essere attentamente studiate e rappresentate in tutta la loro ricchezza.

Queste caratteristiche fondamentali dei sistemi complessi suggeriscono che lo studio controllato randomizzato (in cui gli effetti del contesto sono “controllati per”) affronterà solo una frazione delle domande senza risposta relative alle organizzazioni e ai sistemi sanitari [12, 13,17]. Poiché il sistema è dinamico (anche turbolento), la ricerca scientifica convenzionale di certezza, prevedibilità e causalità lineare deve essere incrementata dallo studio di come possiamo affrontare al meglio l’incertezza, l’imprevedibilità e la causalità generativa. Per questo, abbiamo bisogno di progetti di ricerca e metodi che mettano in primo piano le interazioni dinamiche e l’emergenza – in particolare, studi di caso approfonditi e a metodi misti che possano agire come esempi concreti e dipendenti dal contesto, comprese potenti narrazioni etnografiche che prestino attenzione all’interconnessione e che incorporino la comprensione di come i sistemi si uniscono come un tutt’uno da prospettive diverse [12,18].

Il quadro di riferimento originale del Medical Research Council (MRC) per lo sviluppo e la sperimentazione di interventi complessi, pubblicato nel 2001, li definiva come costituiti da più componenti che agiscono in modo indipendente e interdipendente, in modo tale da rendere difficile l’identificazione del “principio attivo” [19]. Questa prima guida proponeva un approccio strutturato per lo sviluppo di tali interventi e sosteneva lo studio controllato randomizzato come gold standard per testarli. Un aggiornamento del framework MRC nel 2008[20] ha esteso la definizione di complessità per includere il grado di cambiamento comportamentale e il livello di coinvolgimento organizzativo richiesto per implementare l’intervento, il livello di variabilità degli esiti e il grado di flessibilità d’intervento necessario. Un altro aggiornamento nel 2015[21] ha evidenziato l’importanza della non linearità e della sartoria locale iterativa, e ha posto un’enfasi sostanzialmente maggiore sulla necessità di metodi non sperimentali e misti e di approcci basati sui processi per lo studio di tali fenomeni.

L’approccio del MRC alla complessità si è così notevolmente spostato – sia in termini di dove si suppone che la complessità si trovi (dall’intervento al sistema all’interazione tra i due), sia in relazione al modo migliore per studiarla (dallo studio controllato randomizzato in cima ad una presunta gerarchia di prove ad un approccio realmente pluralistico che dia il giusto peso ai casi di studio del mondo reale). L’ultima posizione del MRC introduce (anche se non sostiene in modo coerente) un cambiamento filosofico di fondo da una prospettiva newtoniana convenzionale (lineare, causa-effetto) ad una prospettiva sistemica che abbraccia la causalità non lineare (Tabella 1). Tuttavia, molti finanziatori della ricerca, ricercatori principali e redattori di riviste rimangono legati all’approccio alla complessità incentrato sull’intervento, come originariamente suggerito dal MRC. Sfortunatamente, la “ricerca sulla complessità” è stata equiparata in alcuni ambienti ad una sequenza altamente standardizzata di sviluppo di un intervento strutturato e multicomponente, testandolo in uno studio controllato randomizzato e seguendo un approccio all’implementazione in qualche modo formulaico e prescrittivo [13, 22-24 ].Tabella 1 Approcci tradizionali rispetto a nuovi approcci paradigmatici alla ricerca di servizi e sistemi sanitari Approccio tradizionale Approccio tradizionale Approccio nuovo paradigma (basato sulla complessità) Approccio di ricercaPresentare la verità, universale e duraturo; trovare soluzioni a problemi ben definiti Esplorare le tensioni; generare intuizioni e saggezza; esporre molteplici prospettive; vedere sistemi complessi come bersagli in movimentoModello di causalità Assunto modello di causalitàCasualità lineare, causa-effetto e causalità (magari incorporando mediatori e moderatori)Causalità emergente: Le molteplici influenze che interagiscono tra loro rappresentano un particolare risultato, ma non si può dire che nessuna di esse abbia una “dimensione dell’effetto” Formato tipico della domanda di ricerca “Qual è la dimensione dell’effetto dell’intervento sul risultato predefinito, ed è statisticamente significativa?”Quale combinazione di influenze ha generato questo fenomeno? A cosa contribuisce l’intervento di interesse? Cosa succede al sistema e ai suoi attori se interveniamo in un determinato modo? Quali sono le conseguenze indesiderate altrove nel sistema? “Modalità di rappresentazioneTentativo di rappresentare la ricerca in una voce autorevoleTentativo di illustrare la pluralità di voci insite nella ricerca e nei fenomeni oggetto di studioLa buona ricerca è caratterizzata dal “rigore” metodologico, ovvero applicazione rigorosa della progettazione strutturata e standardizzata, approcci convenzionali alla generalizzabilità e alla validitàTeoretica forte, metodi flessibili, adattamento pragmatico alle circostanze emergenti, contributo all’apprendimento generativo e alla trasferibilità teoricaFinalità della teorizzazioneCongiuntiva: semplificazione e astrazione; scomposizione dei problemi in parti analizzabiliCongiuntiva: Disegno di parti del problema per produrre un quadro ricco e sfumato di ciò che sta accadendo e perchéApproccio ai datiLa ricerca dovrebbe continuare fino a quando la raccolta dei dati è completaI dati non saranno mai completi o perfetti; le decisioni spesso devono essere prese in situazioni di dati incompleti o contestatiFocalizzazione analiticaDualismi: A contro B; influenza di X sulle YDualities: interrelazioni e tensioni dinamiche tra A, B, C e altri aspetti emergenti

È ora di affrontare l’ironia di questa situazione. Non esistono soluzioni universali alle sfide dei sistemi sanitari complessi, né un insieme di metodi universali che ci avvicinino alla verità. I protocolli di ricerca che consistono interamente in pacchetti di lavoro preordinati disposti attorno a un diagramma a scatole e frecce, accompagnati da strette pietre miliari e linee temporali, possono essere il materiale di cui sono fatti i sogni dei panel di finanziamento, ma quando il fulcro dell’indagine è il sistema sanitario, tali approcci sono – quasi per definizione – meno propensi a generare risultati significativi rispetto agli studi che si impegnano pragmaticamente con le molteplici incertezze coinvolte e offrono un approccio flessibile ed emergente all’esplorazione delle stesse.

Comprendere la complessità dei sistemi sanitari: Prospettive internazionali

I cinque articoli iniziali di questa serie riportano gli studi sulla fornitura di assistenza sanitaria e sui sistemi sanitari. Gli argomenti empirici sono diversi; riguardano i servizi di salute mentale, le condizioni respiratorie, la gestione dei farmaci, i team di risposta rapida basati sugli ospedali, i meccanismi di accreditamento a livello di sistema e le soluzioni sanitarie digitali (come le video consulenze, le tecnologie di vita assistita e il monitoraggio a distanza).

Nel primo documento, Braithwaite et al.[7] sfidano il pensiero tradizionale sulla scienza dell’implementazione come basato, in misura maggiore o minore, su modelli lineari e meccanicistici (“pipeline”) di traduzione della conoscenza. Attingendo al pensiero dei sistemi nella scienza sociale e organizzativa, gli autori discutono come l’implementazione possa essere intesa come un processo emergente e dinamico. Per ottenere un cambiamento a livello di sistema, gli approcci all’implementazione basati sulla complessità dovrebbero partire da una stretta focalizzazione sulla fedeltà all’intervento per abbracciare l’adattamento efficace e l’adattamento al contesto, lavorando a stretto contatto con gli stakeholder locali e considerando l’implementazione come un processo iterativo, ricorsivo e a lungo termine. Prendendo l’esempio di due trasformazioni di sistema su larga scala in Australia (implementazione di sistemi di risposta rapida e introduzione di standard di qualità per l’accreditamento dei servizi sanitari), il documento sostiene che il miglioramento della qualità e della sicurezza può essere ottenuto “curando”, piuttosto che cercando di “controllare per” la complessità.

Wolpert e Rutter[8] si occupano di ciò che è spesso visto come la pietra angolare della valutazione e del miglioramento – set di dati quantitativi raccolti di routine. Il loro lavoro solleva importanti questioni sul valore e l’utilità di tali insiemi di dati per quanto riguarda la misurazione e la rappresentazione del cambiamento nei sistemi sanitari complessi. Come sostengono gli autori, gli insiemi di dati quantitativi contengono sempre dati imperfetti, incerti, approssimativi e scarsi (FUPS), che o diventano troppo interpretati (portando a conclusioni ingiustificate) o finiscono per essere liquidati come incompleti e inaffidabili. Gli autori propongono una terza opzione, ovvero abbracciare i set di dati FUPS – verruche e tutto il resto – come un contributo chiave nello sforzo di cambiamento, riconoscendo che, pur non potendo cogliere appieno il mondo complesso che rappresentano, hanno comunque il potenziale per esporre le questioni da interrogare, agire come dispositivi di sensibilizzazione per sviluppare la comprensione e mobilitare conoscenze scomode. Il documento include un importante elenco di principi per analizzare e facilitare la discussione sulla base dei dati FUPS, illustrandoli attraverso un esempio empirico nell’ambito della salute mentale infantile nel Regno Unito.

L’articolo di Greenhalgh et al. [10] affronta la complessità che si manifesta nell’innovazione tecnologica. Attingendo a un ampio set di dati empirici da sei casi di studio contrastanti di cambiamento sostenuto dalla tecnologia nell’assistenza sanitaria e sociale, essi presentano una struttura basata sull’evidenza, teorica e pragmatica per spiegare la Non-adozione o l’Abbandono della tecnologia da parte degli individui e le difficoltà a raggiungere lo Scale-up, la Diffusione e la Sostenibilità (NASSS) nelle organizzazioni[25]. Il framework NASSS abbraccia diversi livelli di analisi per aiutare a prevedere e valutare il successo del programma. I fallimenti tecnologici, i successi parziali e i problemi imprevisti sono spiegati prendendo in considerazione i molteplici aspetti della complessità in tutti i settori che interagiscono, tra cui la condizione, la tecnologia, la proposta di valore, il sistema di adozione, l’organizzazione, il contesto più ampio e il cambiamento temporale. La sezione di discussione include raccomandazioni sia per ridurre la complessità di un programma di cambiamento supportato dalla tecnologia, sia per “gestire” aspetti di complessità che non possono essere ridotti.

Long et al.[9] offrono una prospettiva di come impegnarsi con la complessità nella pratica, basata sulle sinergie tra la teoria della complessità e la filosofia pragmatista. Questi autori descrivono il pragmatismo come un modo di dare priorità alla conoscenza azionabile legata ai suoi contesti d’uso e adatta ad affrontare questioni pratiche. La loro analisi si basa su un progetto triennale volto a sviluppare modelli di simulazione per fornire un supporto strategico alle decisioni dei dirigenti di un grande servizio pubblico di salute mentale in Australia. Attraverso uno studio di modelli di simulazione a supporto dell’implementazione e della valutazione dei servizi, essi illustrano come la teoria della complessità e il pragmatismo possano essere utilizzati come approcci complementari per guidare e migliorare la comprensione. La loro analisi si concentra principalmente sul ruolo dell’agenzia (cioè l’iniziativa e l’azione umana), sui risultati emergenti (cose che accadono come risultato di molteplici eventi e fenomeni che si svolgono), sull’apprendimento continuo e sull’uso adattivo dei metodi. Questo documento mette in discussione anche le ipotesi prevalenti sulla complessità e suggerisce la necessità di esplorare ulteriormente i suoi fondamenti filosofici ed epistemologici.

Reed et al.[11] rispondono alla richiesta di approcci informati sulla complessità nell’assistenza sanitaria sintetizzando l’apprendimento da un ampio programma di iniziative di miglioramento nel Regno Unito. Il loro contributo introduce il quadro empirico e teorico sul miglioramento dell’assistenza sanitaria di successo attraverso la traduzione delle prove (SHIFT-Evidence). Attraverso l’auto-etnografia analitica e l’analisi teorica basata su dati raccolti in 22 progetti di miglioramento della qualità in un periodo di 5 anni, gli autori mettono in primo piano il comportamento emergente di sistemi complessi e la natura iterativa e adattiva del cambiamento. La loro analisi discute le tensioni nell’incorporare pratiche basate sull’evidenza contro i vincoli locali (“agire in modo scientifico e pragmatico”), l’importanza di riconoscere e apprezzare la complessità dei problemi sistemici (“abbracciare la complessità”) e la necessità di facilitare l’impegno e la partecipazione di importanti stakeholder (“coinvolgere e responsabilizzare”). Questi tre principi sono illustrati in due esempi di progetti di miglioramento nella gestione della polmonite acquisita dalla comunità e dei farmaci. Basato sulla realtà pratica del miglioramento dell’assistenza sanitaria, il quadro di riferimento SHIFT-Evidence è anche accompagnato da 12 “semplici regole” per guidare la traduzione delle prove.

Gli articoli inclusi in questa raccolta illustrano il valore di approcci di ricerca iterativi che sono teoricamente fondati, metodologicamente pluralistici, flessibili ed ecologici. Adottano una serie di approcci per produrre spiegazioni fondate di ciò che è accaduto quando qualcuno ha tentato di ottenere un cambiamento in un ambiente sanitario complesso e in rapido cambiamento. Nessuno dei documenti offre soluzioni semplici, strumenti predittivi o formule universali (anche se alcuni contributi che sono stati respinti da questa chiamata hanno preteso di “risolvere” la complessità in questo modo). Questa serie si basa sul lavoro creativo di altri gruppi di ricerca che hanno adottato un approccio sfumato e teorico allo studio della complessità in ambito sanitario – per esempio, Dixon-Woods et al. [26]sulla teorizzazione ex-post delle iniziative per la sicurezza dei pazienti, Nugus et al. [27]sull‘assistenza integrata nel reparto di emergenza, e Lanham et al. [28]sullo scale-up e la diffusione in ambito sanitario.

Tutti questi studi si impegnano, in modi diversi, con ciò che Tsoukas ha chiamato ‘teoria congiuntiva’, cioè evitando la tentazione di semplificare e astrarre (un approccio che Tsoukas chiama ‘teorizzazione disgiuntiva’), verso un approccio alla teoria che genera immagini ricche di quadri di fenomeni complessi mettendo insieme diversi tipi di dati provenienti da molteplici fonti [29]. La teoria congiuntiva, propone Tsoukas, è caratterizzata da un’ontologia del mondo aperto (vedere il mondo come soggetto a molteplici influenze che interagiscono tra loro, e riconoscere che non serve ad alcuno scopo analitico utile per eliminare questi strati di influenza nelle semplificazioni artificiali), da un’epistemologia performativa (cioè un focus sull’azione del mondo reale e su ciò che diventa possibile attraverso l’azione), e da una prassi poetica (cioè un modo di scrivere casi di studio che valorizza il dettaglio descrittivo, la metafora adatta e la coerenza narrativa).

I casi di studio di questa serie suggeriscono una serie di temi di alto livello che potrebbero essere approfonditi ulteriormente nei futuri bandi di ricerca. In primo luogo, nuove ricerche potrebbero affrontare la proposta generale che la comunità di ricerca dei servizi sanitari dovrebbe abbracciare un repertorio metodologico più ricco e diversificato nella ricerca di sistemi complessi. In che modo, nello specifico, tale repertorio metodologico potrebbe essere esteso? In secondo luogo, una nuova ricerca potrebbe rispondere all’appello di Tsoukas di ritirarsi dalla semplificazione e dall’astrazione, ed esplorare come la teorizzazione congiuntiva potrebbe estendere le possibilità dello studio di casi a metodo misto [29]. In terzo luogo, la ricerca in contesti reali potrebbe generare nuovi modi di lavorare in modo produttivo con dati imperfetti (FUPS)[8]. In quarto luogo, come hanno dimostrato Long et al.[9], c’è ancora molto potenziale da esplorare in relazione all’uso della modellazione di simulazione nello studio della complessità in ambito sanitario. Infine, dobbiamo impegnarci maggiormente nello sviluppo di quadri teorici ed empirici che possano guidare l’implementazione e la valutazione dal punto di vista della complessità[10, 11].

Conclusione

La legge e Mol avevano ragione a suggerire che “Abbiamobisogno di altri modi di rapportarci alla complessità, altri modi per accettare, produrre o eseguire la complessità”[30]. Come ricercatori, clinici e studenti di tutta una vita, abbiamo bisogno di sviluppare capacità e capacità di gestire l’ignoto, l’incerto, l’imprevedibile e l’emergente[4]. In altre parole, dobbiamo sviluppare una “mentalità di sistema” che riconosca le interrelazioni mutevoli tra le parti del sistema (o anche ciò che costituisce un sistema in un dato momento) e si adatti a cambiamenti inattesi [31]. La scienza della complessità non fornirà un semplice rimedio alle tensioni e ai paradossi intrinseci dei sistemi sanitari contemporanei, ma ci permetterà di concentrarci – e di iniziare a fare ricerca – su conoscenze scomode, di negoziare buoni compromessi e di abbracciare modi di lavorare e di pensare creativi, riflessivi e collaborativi. La visione organizzativa che sta alla base della ricerca sanitaria informata sulla complessità deve comprendere “l’impegno ad impegnarsi in disaccordi”[32], facendo in modo di rimanere critici sui nostri presupposti e metodi. Invitiamo i lettori a condividere questo impegno continuando a contribuire a questa raccolta tematica. Le presentazioni sono aperte fino al 30 giugno 2019.

References

1. Plsek PE, Greenhalgh T. Complexity science – the challenge of complexity in health care. BMJ. 2001; 323(7313):625-628. DOI | PubMed
2. Wilson T, Holt T, Greenhalgh T. Complexity and clinical care. BMJ. 2001; 323(7314):685-688. DOI | PubMed
3. Plsek PE, Wilson T. Complexity, leadership, and management in healthcare organisations. BMJ. 2001; 323(7315):746-749. DOI | PubMed
4. Fraser SW, Greenhalgh T. Complexity science – coping with complexity: educating for capability. BMJ. 2001; 323(7316):799-803. DOI | PubMed
5. . Accessed 16 May 2018Publisher Full Text
6. Greenhalgh T, Papoutsi C. Understanding complexity in health systems: international perspectives. 2017.
7. Braithwaite J, Churruca K, Long JC, Ellis LA, Herkes J. When complexity science meets implementation science: a theoretical and empirical analysis of systems change. BMC Med. 2018; 16:63. DOI | PubMed
8. Wolpert M, Rutter H. Using flawed, uncertain, proximate and sparse (FUPS) data in the context of complexity: learning from the case of child mental health. BMC Med. 2018; 10.1186/s12916-018-1079-6.
9. Long KM, McDermott F, Meadows GN. Being pragmatic about healthcare complexity: our experiences applying complexity theory and pragmatism to health services research. BMC Med. 2018; 10.1186/s12916-018-1087-6.
10. Greenhalgh T, Wherton J, Papoutsi C, Lynch J, Hughes G, A’Court C, Hinder S, Procter R, Shaw S. Analysing the role of complexity in explaining the fortunes of technology programmes: empirical application of the NASSS framework. BMC Med. 2018; 16:66. DOI | PubMed
11. Reed JE, Howe C, Doyle C, Bell D. Simple rules for evidence translation in complex systems: a qualitative study. BMC Med. 2018; 10.1186/s12916-018-1076-9.
12. Cohn S, Clinch M, Bunn C, Stronge P. Entangled complexity: why complex interventions are just not complicated enough. J Health Serv Res Policy. 2013; 18(1):40-43. DOI | PubMed
13. Braithwaite J, Churruca K, Ellis LA, Long J, Clay-Williams R, Damen N, Herkes J, Pomare C, Ludlow K. Complexity Science in Healthcare-Aspirations, Approaches, Applications and Accomplishments: A White Paper. Macquarie University: Sydney; 2017.
14. Greenhalgh T. How to implement evidence-based healthcare. Wiley: Oxford; 2017.
15. Shiell A, Hawe P, Gold L. Complex interventions or complex systems? Implications for health economic evaluation. BMJ. 2008; 336(7656):1281-1283. DOI | PubMed
16. Hawe P, Shiell A, Riley T. Theorising interventions as events in systems. American J Commun Psychol. 2009; 43(3–4):267-276. DOI
17. Marchal B, Westhorp G, Wong G, Van Belle S, Greenhalgh T, Kegels G, Pawson R. Realist RCTs of complex interventions – an oxymoron. Soc Sci Med. 2013; 94:124-128. DOI | PubMed
18. Flyvbjerg B. Five misunderstandings about case-study research. Qual Inq. 2006; 12(2):219-245. DOI
19. Campbell M, Fitzpatrick R, Haines A, Kinmonth AL, Sandercock P, Spiegelhalter D, Tyrer P. Framework for design and evaluation of complex interventions to improve health. BMJ. 2000; 321(7262):694. DOI | PubMed
20. Craig P, Dieppe P, Macintyre S, Michie S, Nazareth I, Petticrew M. Developing and evaluating complex interventions: the new Medical Research Council guidance. BMJ. 2008; 337(7676):a1655. DOI | PubMed
21. Moore GF, Audrey S, Barker M, Bond L, Bonell C, Hardeman W, Moore L, O’Cathain A, Tinati T, Wight D. Process evaluation of complex interventions: Medical Research Council guidance. BMJ. 2015; 350:h1258. DOI | PubMed
22. Hawe P, Shiell A, Riley T. Complex interventions: how “out of control” can a randomised controlled trial be?. BMJ. 2004; 328(7455):1561-1563. DOI | PubMed
23. Rutter H, Savona N, Glonti K, Bibby J, Cummins S, Finegood DT, Greaves F, Harper L, Hawe P, Moore L. The need for a complex systems model of evidence for public health. Lancet. 2017; 390(10112):2602-2604. DOI | PubMed
24. Greenhalgh T, Fahy N. Research impact in the community-based health sciences: an analysis of 162 case studies from the 2014 UK research excellence framework. BMC Med. 2015; 13:232. DOI | PubMed
25. Greenhalgh T, Wherton J, Papoutsi C, Lynch J, Hughes G, A’Court C, Hinder S, Fahy N, Procter R, Shaw S. Beyond adoption: a new framework for theorizing and evaluating nonadoption, abandonment, and challenges to the scale-up, spread, and sustainability of health and care technologies. J Med Internet Res. 2017; 19(11):e367. DOI | PubMed
26. Dixon-Woods M, Bosk CL, Aveling EL, Goeschel CA, Pronovost PJ. Explaining Michigan: developing an ex post theory of a quality improvement program. Milbank Q. 2011; 89(2):167-205. DOI | PubMed
27. Nugus P, Carroll K, Hewett DG, Short A, Forero R, Braithwaite J. Integrated care in the emergency department: a complex adaptive systems perspective. Soc Sci Med. 2010; 71(11):1997-2004. DOI | PubMed
28. Lanham HJ, Leykum LK, Taylor BS, McCannon CJ, Lindberg C, Lester RT. How complexity science can inform scale-up and spread in health care: understanding the role of self-organization in variation across local contexts. Soc Sci Med. 2013; 93:194-202. DOI | PubMed
29. Tsoukas H. Don’t simplify, complexify: from disjunctive to conjunctive theorizing in organization and management studies. J Manage Studies. 2017; 54(2):132-153. DOI
30. Law J, Mol A-M. Complexities: Social Studies of Knowledge Practices. Duke University Press: Durham; 2002.
31. Cristancho S. Lessons on resilience: learning to manage complexity. Perspect Med Ed. 2016; 5(3):133-135. DOI
32. Star SL. Infrastructure and ethnographic practice: working on the fringes. Scand J Inform Syst. 2002; 14(2):6.