MétaCan
Menu
Retour à la cohorte
Enregistrement W1656670461 · doi:10.5334/ijic.676

Measuring the quality of interprofessional collaboration in child mental health collaborative care

2012· article· en· W1656670461 sur OpenAlexaff
Cécile Rousseau, Audrey Laurin‐Lamothe, Lucie Nadeau, Suzanne Deshaies, Toby Measham

Notice bibliographique

RevueInternational Journal of Integrated Care · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensCentre de Santé et de Services Sociaux de la MontagneMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipMental healthScale (ratio)PsychologyPerceptionQuality (philosophy)NursingCollaborative CareMedical educationMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This pilot study examines the potential utility of the Perception of Interprofessional Collaboration Model and the shared decision-making scales in evaluating the quality of partnership in child mental health collaborative care. METHODS: Ninety-six primary care professionals working with children and youth responded to an internet survey which included the Perception of Interprofessional Collaboration Model scale (PINCOM-Q) and an adapted version of a shared decision-making scale (Échelle de confort décisionnel, partenaire-ECD-P). The perceptions of child mental health professionals were compared with those of other professionals working with children. RESULTS: The PINCOM-Q and the ECD-P scales had an excellent internal consistency and they were moderately correlated. Child mental health professionals' Individual Interprofessional Collaboration scores from the PINCOM-Q individual aspects subscale were better than that of other child professionals. CONCLUSION: These scales may be interesting instruments to measure the quality of partnership in child mental health collaborative care settings. Research needs to replicate these findings and to determine whether the quality of collaboration is a predictor of mental health outcome.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,468
Écart entre enseignants0,432 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Integrated CareMême sujetInterprofessional Education and CollaborationTravaux en français237 207