Family health teams: can health professionals learn to work together?
Notice bibliographique
Résumé
OBJECTIVE: To learn what educators across the health professions involved in primary health care think about the use and development of academic family health teams to provide, teach, and model interprofessional collaboration and about the introduction of interprofessional education (IPE) within structured academic primary care. DESIGN: Qualitative study using focus groups. SETTING: Higher education institutions across Ontario. PARTICIPANTS: Purposeful sample of 36 participants from nursing, pharmacy, speech language pathology, occupational and physical therapy, social work, and family medicine. METHOD: Participants were invited to join focus groups of 6 to 8 health professionals. Themes were derived from qualitative analysis of data gathered using a grounded-theory approach. MAIN FINDINGS: Three major themes were identified: the lack of consensus on opportunities for future academic family health teams to teach IPE, the lack of formalized teaching of interprofessional collaboration and the fact that what little has been developed is primarily for family physicians and hardly at all for other health professionals, and the confusion around the definition of IPE across health professions. CONCLUSION: The future role of family health teams in academic primary care settings as a place for learners to see teamwork in action and to learn collaboration needs to be examined. Unless academic settings are developed to provide the necessary training for primary health care professionals to work in teams, a new generation of health care professionals will continue to work in status quo environments, and reform initiatives are unlikely to become sustainable over time.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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 | 0,001 |
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 ».