MétaCan
Menu
Retour à la cohorte
Enregistrement W2086427983 · doi:10.3109/13561821003608757

Designing a framework for the delivery of collaborative musculoskeletal care involving chiropractors and physicians in community-based primary care

2010· article· en· W2086427983 sur OpenAlexaffabout
Silvano Mior, Jan Barnsley, Heather Boon, Fredrick D. Ashbury, Robert Haig

Notice bibliographique

RevueJournal of Interprofessional Care · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensCanadian Chiropractic AssociationUniversity of TorontoCanadian Memorial Chiropractic College
Organismes subventionnairesnon disponible
Mots-clésFocus groupMainstreamPrimary careNursingMedicineHealth careQualitative researchService delivery frameworkConceptual frameworkPrimary health careCollaborative CareChiropracticMedical educationKnowledge managementService (business)Alternative medicineFamily medicineBusinessComputer scienceSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Strategies have been proposed to facilitate collaboration between conventional health care providers in primary care. However, little is known if these are transferable to CAM health care providers. We designed a qualitative study to articulate a conceptual model to advance the interprofessional collaboration between physicians and chiropractors within community-based primary care in Ontario, Canada. Data obtained from 16 key informants and eight focus groups, with a range of professionals including chiropractors, physicians and academia as well as patients, informed the development our framework. The framework included processed-based factors that clustered under three categories: communication, practice parameters, and service delivery; presumed necessary to address challenges and optimize benefits of collaboration. The development of this framework may help understand and promote interprofessional collaborative practice and contribute to the understanding of how CAM may participate in mainstream healthcare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,204
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,403
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Interprofessional CareMême sujetInterprofessional Education and CollaborationTravaux en français237 207