MétaCan
Menu
Retour à la cohorte
Enregistrement W2145896641 · doi:10.1186/s12913-015-1056-0

Combining administrative data feedback, reflection and action planning to engage primary care professionals in quality improvement: qualitative assessment of short term program outcomes

2015· article· en· W2145896641 sur OpenAlexafffund
Brigitte Vachon, Bruno Désorcy, Isabelle Gaboury, Michel Camirand, Jean‐Paul Rodrigue, Louise Quesnel, Claude Guimond, Martin Labelle, Ai-Thuy Huynh, Jeremy Grimshaw

Notice bibliographique

RevueBMC Health Services Research · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensOttawa HospitalInstitut universitaire en santé mentale de MontréalCanadian Institute of Mining, Metallurgy and PetroleumCentrale des Syndicats du QuébecAssociation des Médecins d'Urgence du QuébecOccupational and Environmental Medical Association of CanadaCentre de Santé et de Services Sociaux CavendishInstitut Universitaire en Santé Mentale de QuébecUniversité de MontréalSanté MontérégieUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health ResearchGlaxoSmithKline
Mots-clésQuality managementMedicineIntervention (counseling)NursingNursing researchHealth administrationMedical educationQualitative propertyAttendanceQuality (philosophy)Health services researchProgram evaluationQualitative researchProfessional developmentHealth informaticsProcess managementService (business)Public healthComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Improving primary care for chronic disease management requires a coherent, integrated approach to quality improvement. Evidence in the continuing professional development (CPD) field suggests the importance of using strategies such as feedback delivery, reflective practice and action planning to facilitate recognition of gaps and service improvement needs. Our study explored the outcomes of a CPD intervention, named the COMPAS Project, which consists of a three-hour workshop composed of three main activities: feedback, critical reflection and action planning. The feedback intervention is delivered face-to-face and presents performance indicators extracted from clinical-administrative databases. This aim of this study was to assess the short term outcomes of this intervention to engage primary care professional in continuous quality improvement (QI). METHODS: In order to develop an understanding of our intervention and of its short term outcomes, a program evaluation approach was used. Ten COMPAS workshops on diabetes management were directly observed and qualitative data was collected to assess the intervention short term outcomes. Data from both sources were combined to describe the characteristics of action plans developed by professionals. Two independent coders analysed the content of these plans to assess if they promoted engagement in QI and interprofessional collaboration. RESULTS: During the ten workshops held, 26 interprofessional work teams were formed. Twenty-two of them developed a QI project they could implement themselves and that targeted aspects of their own practice they perceived in need of change. Most frequently prioritized strategies for change were improvement of systematic clientele follow-up, medication compliance, care pathway and support to improve adoption of healthier life habits. Twenty-one out of 22 action plans were found to target some level of improvement of interprofessional collaboration in primary care. DISCUSSION: Our study results demonstrate that the COMPAS intervention enabled professionals to target priorities for practice improvements and to develop action plans that promote interprofessional collaboration. The COMPAS intervention aims to increase capability for continuous QI, readiness to implement process of care changes and team shared goals but available resources, climate and culture for change and leadership, are also important required conditions to successfully implement these practice changes. CONCLUSION: We think that the proposed approach can be very useful to support and engage primary care professionals in the planning stage of quality improvement projects since it combines key successful ingredients: feedback, reflection and planning of action.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,045
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,004
Communication savante0,0020,001
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,901
Tête enseignante GPT0,817
Écart entre enseignants0,084 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations36
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207