Characteristics of physicians and patients who join team-based primary care practices: Evidence from Quebec's Family Medicine Groups
Notice bibliographique
Résumé
PURPOSE: New models of delivering primary care are being implemented in various countries. In Quebec, Family Medicine Groups (FMGs) are a team-based approach to enhance access to, and coordination of, care. We examined whether physicians' and patients' characteristics predicted their participation in this new model of primary care. METHODS: Using provincial administrative data, we created a population cohort of Quebec's vulnerable patients. We collected data before the advent of FMGs on patients' demographic characteristics, chronic illnesses and health service use, and their physicians' demographics, and practice characteristics. Multivariate regression was used to identify key predictors of joining a FMG among both patients and physicians. RESULTS: Patients who eventually enrolled in a FMG were more likely to be female, reside outside of an urban region, have a lower SES status, have diabetes and congestive heart failure, visit the emergency department for ambulatory sensitive conditions and be hospitalized for any cause. They were also less likely to have hypertension, visit an ambulatory clinic and have a usual provider of care. Physicians who joined a FMG were less likely to be located in urban locations, had fewer years in medical practice, saw more patients in hospital, and had patients with lower morbidity. CONCLUSIONS: Physicians' practice characteristics and patients' health status and health care service use were important predictors of joining a FMG. To avoid basing policy decisions on tenuous evidence, policymakers and researchers should account for differential selection into team-based primary health care models.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 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 | 0,000 |
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 ».