Helping primary care teams emerge through a quality improvement program
Notice bibliographique
Résumé
BACKGROUND: Approaches to improving the quality of health care recognize the need for systems and cultures that facilitate optimal care. Interpersonal relationships and dynamics are a key factor in transforming a system to one that can achieve quality. The Quality in Family Practice (QIFP) program encompasses clinical and practice management using a comprehensive tool of family practice indicators. OBJECTIVE: The objective of this study was to explore and describe the views of staff regarding changes in the clinical practice environment at two affiliated academic primary care clinics (comprising one Family Health Team, FHT) who participated in QIFP. METHODS: An FHT in Hamilton, Canada, worked through the quality tool in 2008/2009. A qualitative exploratory case study approach was employed to examine staff perceptions of the process of participating. Semi-structured interviews were conducted in early 2010 with 43 FHT staff with representation from physicians, nurses, allied health professionals, support staff and managers. Interviews were audio-taped and transcribed verbatim. A modified template approach was used for coding, with a complexity theory perspective of analysis. RESULTS: Themes included importance of leadership, changes to practice environment, changes to communication, an increased understanding of team roles and relationships, strengthened teamwork, flattening of hierarchy through empowerment, changes in clinical care and clinical impacts, challenges and rewards and sustainability. CONCLUSION: The program resulted in perceived changes to relationships, teamwork and morale. Addressing issues of leadership, role clarity, empowerment, flattening of hierarchy and teamwork may go a long way in establishing and maintaining a quality culture.
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 | 0,003 | 0,001 |
| 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 | 0,002 |
| 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 | 0,001 |
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 ».