Coaching strategies for enhancing practice transformation
Notice bibliographique
Résumé
BACKGROUND: Current research on primary care practice redesign suggests that outside facilitation can be an important source of support for achieving substantial change. OBJECTIVES: To analyse the specific sequence of strategies used by a successful practice facilitator during the American Academy of Family Physicians' (AAFP) National Demonstration Project (NDP). METHODS: This secondary analysis describes a sequence of strategies used to produce change in family medicine practices attempting to adopt a new model of care. The authors analysed qualitative data generated by one facilitator and six practices by coding facilitator field notes, site visit reports, qualitative summaries, depth interviews and email strings. RESULTS: The facilitator utilized practice member coaching in addition to consulting, negotiating and connecting approaches. Coaching strategies encouraged: (i) expansive, multi-directional, attentive styles of communication; (ii) solving practical problems together; (iii) modelling facilitative leadership and (iv) encouraging an expanded vision of care. Practice members who received consistent coaching reported internal shifts and new ways of conceptualizing work, not just success at implementing model components. They indicated that their facilitator had helped them think and behave in new ways while helping them achieve benchmarks. CONCLUSIONS: It was once believed that the transition from traditional models of family medicine practice to new models of care meant implementing new technological components, suggesting that outside facilitators should act as technological and care delivery consultants. However, coaches may be especially useful in helpful in practices undertake substantial changes.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| 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 ».