MétaCan
Menu
Retour à la cohorte
Enregistrement W2140190442 · doi:10.1186/1472-6963-13-132

Evaluating the integration of chronic disease prevention and management services into primary health care

2013· article· en· W2140190442 sur OpenAlexafffundabout
Martin Fortin, Maud‐Christine Chouinard, Tarek Bouhali, Marie‐France Dubois, Cynthia Gagnon, Martin Bélanger

Notice bibliographique

RevueBMC Health Services Research · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanCégep de JonquièreCentre de Santé et de Services Sociaux de ChicoutimiUniversité du Québec à ChicoutimiUniversité de Sherbrooke
Organismes subventionnairesInstitute of Health Services and Policy ResearchCanadian Institutes of Health ResearchCanadian Health Services Research Foundation
Mots-clésMedicineHealth administrationChronic careNursing researchPsychological interventionHealth informaticsHealth careIntegrated careComorbidityDisease managementPublic healthHealth services researchIntervention (counseling)Quality of life (healthcare)NursingEmpowermentFamily medicineDiseaseChronic diseasePsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The increasing number of patients with chronic diseases represents a challenge for health care systems. The Chronic Care Model suggests a multi-component remodelling of chronic disease services to improve patient outcomes. To meet the complex and ongoing needs of patients, chronic disease prevention and management (CDPM) has been advocated as a key feature of primary care producing better outcomes, greater effectiveness and improved access to services compared to other sectors. The objective of this study is to evaluate the adaptation and implementation of an intervention involving the integration of chronic disease prevention and management (CDPM) services into primary health care. METHODS/DESIGN: The implementation of the intervention will be evaluated using descriptive qualitative methods to collect data from various stakeholders (decision-makers, primary care professionals, CDPM professionals and patients) before, during and after the implementation. The evaluation of the effects will be based on a combination of experimental designs: a randomized trial using a delayed intervention arm (n = 326), a before-and-after design with repeated measures (n = 163), and a quasi-experimental design using a comparative cohort (n = 326). This evaluation will utilize self-report questionnaires measuring self-efficacy, empowerment, comorbidity, health behaviour, functional health status, quality of life, psychological well-being, patient characteristics and co-interventions. The study will take place in eight primary care practices of the Saguenay region of Quebec (Canada). To be included, patients will have to be referred by their primary care provider and present at least one of the following conditions (or their risk factors): diabetes, cardiovascular diseases, chronic obstructive pulmonary disease, asthma. Patients presenting serious cognitive problems will be excluded. DISCUSSION: In the short-term, improved patient self-efficacy and empowerment are expected. In the mid-term, we expect to observe an improvement in health behaviour, functional health status, quality of life and psychological well-being. At the organizational level, the project should lead to coordinated service delivery, improved patient follow-up mechanisms and enhanced interprofessional collaboration. Integration of CDPM services at the point of care in primary care practices is a promising innovation in care delivery that needs to be thoroughly evaluated. TRIAL REGISTRATION: ClinicalTrials.gov Identifier: NCT01319656.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil0,422

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,087
Tête enseignante GPT0,496
Écart entre enseignants0,409 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations59
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetDiabetes Management and EducationTravaux en français237 207