Improving the delivery of care for patients with diabetes through understanding optimised team work and organisation in primary care
Notice bibliographique
Résumé
BACKGROUND: Type 2 diabetes is an increasingly prevalent chronic illness and is an important cause of avoidable mortality. Patients are managed by the integrated activities of clinical and non-clinical members of the primary care team. Studies of the quality of care for patients with diabetes suggest less than optimum care in a number of areas. AIM: The aim of this study is to improve the quality of care for patients with diabetes cared for in primary care in the UK by identifying individual, team, and organisational factors that predict the implementation of best practice. DESIGN: Participants will be clinical and non-clinical staff within 100 general practices sampled from practices who are members of the MRC General Practice Research Framework. Self-completion questionnaires will be developed to measure the attributes of individual health care professionals, primary care teams (including both clinical and non-clinical staff), and their organisation in primary care. Questionnaires will be administered using postal survey methods. A range of validated theories will be used as a framework for the questionnaire instruments. Data relating to a range of dimensions of the organisational structure of primary care will be collected via a telephone interview at each practice using a structured interview schedule. We will also collect data relating to the processes of care, markers of biochemical control, and relevant indicator scores from the quality and outcomes framework (QOF). Process data (as a proxy indicator of clinical behaviours) will be collected from practice databases and via a postal questionnaire survey of a random selection of patients from each practice. Levels of biochemical control will be extracted from practice databases. A series of analyses will be conducted to relate the individual, team, and organisational data to the process, control, and QOF data to identify configurations associated with high quality care. STUDY REGISTRATION: UKCRN ref:DRN120 (ICPD).
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».