Primary care quality improvement from a practice facilitator’s perspective
Notice bibliographique
Résumé
BACKGROUND: Practice facilitation has proven to be effective at improving care delivery. Practice facilitators are healthcare professionals who work with and support other healthcare providers. To the best of our knowledge, very few studies have explored the perspective of facilitators. The objective of this study was to gain insight into the barriers that facilitators face during the facilitation process and to identify approaches used to overcome these barriers to help practices move towards positive change. METHODS: We conducted semi-structured interviews with four practice facilitators who worked with 84 primary care practices in Eastern Ontario, Canada over a period of five years (2007-2012). The transcripts were analyzed independently by three members of the research team using an open coding technique. A qualitative data analysis using immersion/crystallization technique was applied to interpret the interview transcripts. RESULTS: Common barriers identified by the facilitators included accessibility to the practice (e.g., difficulty scheduling meetings, short meetings), organizational behaviour (team organization, team conflicts, etc.), challenges with practice engagement (e.g., lack of interest, lack of trust), resistance to change, and competing priorities. To help practices move towards positive change the facilitators had to tailor their approach, integrate themselves, be persistent with practices, and exhibit flexibility. CONCLUSIONS: The consensus on redesigning and transforming primary care in North America and around the world is rapidly growing. Practice facilitation has been pivotal in materializing the transformation in the way primary care practices deliver care. This study provides an exclusive insight into facilitator approaches which will assist the design and implementation of small- and large-scale facilitation interventions.
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 | 0,009 | 0,081 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 ».