Impact of a quality improvement program on primary healthcare in Canada: A mixed-method evaluation
Notice bibliographique
Résumé
PURPOSE: Rigorous comprehensive evaluations of primary healthcare (PHC) quality improvement (QI) initiatives are lacking. This article describes the evaluation of the Quality Improvement and Innovation Partnership Learning Collaborative (QIIP-LC), an Ontario-wide PHC QI program targeting type 2 diabetes management, colorectal cancer (CRC) screening, access to care, and team functioning. METHODS: This article highlights the primary outcome results of an external retrospective, multi-measure, mixed-method evaluation of the QIIP-LC, including: (1) matched-control pre-post chart audit of diabetes management (A1c/foot exams) and rate of CRC screening; (2) post-only advanced access survey (third-next available appointment); and (3) post-only semi-structured interviews (team functioning). RESULTS: Chart audit data was collected from 34 consenting physicians per group (of which 88% provided access data). Between-group differences were not statistically significant (A1c [p=0.10]; foot exams [p=0.45]; CRC screening [p=0.77]; advanced access [p=0.22]). Qualitative interview (n=42) themes highlighted the success of the program in helping build interdisciplinary team functioning and capacity. CONCLUSION: The rigorous design and methodology of the QIIP-LC evaluation utilizing a control group is one of the most significant efforts thus far to demonstrate the impact of a QI program in PHC, with improvements over time in both QIIP and control groups offering a likely explanation for the lack of statistically significant primary outcomes. Team functioning was a key success, with team-based chronic care highlighted as pivotal for improved health outcomes. Policy makers should strive to endorse QI programs with proven success through rigorous evaluation to ensure evidence-based healthcare policy and funding.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,099 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».