Case management for dementia in primary health care: a systematic mixed studies review based on the diffusion of innovation model
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to examine factors associated with the implementation of case management (CM) interventions in primary health care (PHC) and to develop strategies to enhance its adoption by PHC practices. METHODS: This study was designed as a systematic mixed studies review (including quantitative and qualitative studies) with synthesis based on the diffusion of innovation model. A literature search was performed using MEDLINE, PsycInfo, EMBASE, and the Cochrane Database (1995 to August 2012) to identify quantitative (randomized controlled and nonrandomized) and qualitative studies describing the conditions limiting and facilitating successful CM implementation in PHC. The methodological quality of each included study was assessed using the validated Mixed Methods Appraisal Tool. RESULTS: Twenty-three studies (eleven quantitative and 12 qualitative) were included. The characteristics of CM that negatively influence implementation are low CM intensity (eg, infrequent follow-up), large caseload (more than 60 patients per full-time case manager), and approach, ie, reactive rather than proactive. Case managers need specific skills to perform their role (eg, good communication skills) and their responsibilities in PHC need to be clearly delineated. CONCLUSION: Our systematic review supports a better understanding of factors that can explain inconsistent evidence with regard to the outcomes of dementia CM in PHC. Lastly, strategies are proposed to enhance implementation of dementia CM in PHC.
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 | 0,043 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,011 |
| Bibliométrie | 0,018 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».