Influence of a quality improvement learning collaborative program on team functioning in primary healthcare.
Notice bibliographique
Résumé
Quality improvement (QI) programs are frequently implemented to support primary healthcare (PHC) team development and to improve care outcomes. In Ontario, Canada, the Quality Improvement and Innovation Partnership (QIIP) offered a learning collaborative (LC) program to support the development of interdisciplinary team function and improve chronic disease management, disease prevention, and access to care. A qualitative study using a phenomenological approach was conducted as part of a mixed-method evaluation to explore the influence of the program on team functioning in participating PHC teams. A purposive sampling strategy was used to identify PHC teams (n = 10), from which participants of different professional roles were selected through a purposeful recruitment process to reflect maximum variation of team roles. Additionally, QI coaches working with the interview participants and the LC administrators were also interviewed. Data were collected through semistructured telephone interviews that were audiotaped and transcribed verbatim. Thematic analysis was conducted through an iterative and interpretive approach. The shared experience of participating in the program appeared to improve team functioning. Participants described increased trust and respect for each other's clinical and administrative roles and were inspired by learning about different approaches to interdisciplinary care. This appeared to enhance collegial relationships, collapse professional silos, improve communication, and increase interdisciplinary collaboration. Teamwork involves more than just physically grouping healthcare providers from multiple disciplines and mandating them to work together. The LC program provided opportunities for participants to learn how to work collaboratively, and participation in the LC program appeared to enhance team functioning.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».