Characteristics of primary care practices associated with high quality of care
Notice bibliographique
Résumé
BACKGROUND: No primary practice care model has been shown to be superior in achieving high-quality primary care. We aimed to identify the organizational characteristics of primary care practices that provide high-quality primary care. METHODS: We performed a cross-sectional observational study involving a stratified random sample of 37 primary care practices from 3 regions of Quebec. We recruited 1457 patients who had 1 of 2 chronic care conditions or 1 of 6 episodic care conditions. The main outcome was the overall technical quality score. We measured organizational characteristics by use of a validated questionnaire and the Team Climate Inventory. Statistical analyses were based on multilevel regression modelling. RESULTS: The following characteristics were strongly associated with overall technical quality of care score: physician remuneration method (27.0; 95% confidence interval [CI] 19.0-35.0), extent of sharing of administrative resources (7.6; 95% CI 0.8-14.4), presence of allied health professionals (15.3; 95% CI 5.4-25.2) and/or specialist physicians (19.6; 95% CI 8.3-30.9), the presence of mechanisms for maintaining or evaluating competence (7.7; 95% CI 3.0-12.4) and average organizational access to the practice (4.9; 95% CI 2.6-7.2). The number of physicians (1.2; 95% CI 0.6-1.8) and the average Team Climate Inventory score (1.3; 95% CI 0.1-2.5) were modestly associated with high-quality care. INTERPRETATION: We identified a common set of organizational characteristics associated with high-quality primary care. Many of these characteristics are amenable to change through practice-level organizational 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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».