Using an interprofessional competency framework to examine collaborative practice
Notice bibliographique
Résumé
Healthcare organisations are starting to implement collaborative practice to increase the quality of patient care. However, operationalising and measuring progress towards collaborative practice has proven to be difficult. Various interprofessional competency frameworks have been developed that outline essential collaborative practice competencies for healthcare providers. If these competencies were enacted to their fullest, collaborative practice would be at its best. This article examines collaborative practice in six acute care units across Alberta using the Canadian Interprofessional Health Collaborative (CIHC) competency framework (CIHC, 2010 ). The framework entails the six competencies of patient-centred care, communication, role clarification, conflict resolution, team functioning and collaborative leadership (CIHC, 2010 ). We conducted a secondary analysis of interviews with 113 healthcare providers from different professions, which were conducted as part of a quality improvement study. We found positive examples of communication and patient-centred care supported by unit structures and processes (e.g. rapid rounds and collaborative plan of care). Some gaps in collaborative practice were found for role clarification and collaborative leadership. Conflict resolution and team functioning were not well operationalised on these units. Strategies are presented to enhance each competency domain in order to fully enact collaborative practice. Using the CIHC competency framework to examine collaborative practice was useful for identifying strength and areas needing improvement.
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 | 0,014 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,015 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».