MétaCan
Menu
Retour à la cohorte
Enregistrement W2188243274 · doi:10.1370/afm.815

Narrative Reports to Monitor and Evaluate the Integration of Pharmacists Into Family Practice Settings

2008· article· en· W2188243274 sur OpenAlexaff
Kevin Pottie, Susan Haydt, Barbara Farrell, C. Paul Sellors, William Hogg

Notice bibliographique

RevueThe Annals of Family Medicine · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster UniversityUniversity of OttawaStem Cell NetworkUniversity of TorontoInstitute of Population and Public HealthBruyèreÉlisabeth Bruyère Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineNarrativeMedical educationNarrative reviewNursingFamily medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Narratives can capture unfolding events and negotiation of roles and thus can help to evaluate interventions in interdisciplinary health care teams. We describe a practical qualitative method, the narrative report, and its role in evaluating implementation research. METHODS: We used narrative reports as a means to evaluate an intervention to integrate pharmacists into group family practices. The pharmacists submitted 63 written narrative reports during a 1-year period. Our interdisciplinary research team analyzed these reports to monitor the progress of the implementation, to identify pharmacists' needs, and to capture elements of the integration process. RESULTS: The monthly narrative reports allowed the research team to document early learning and calibrate the program in terms of clinical support, adapting roles, and realigning expectations. The reports helped the research team stay in tune with practice-related implementation challenges, and the preliminary summary of narrative findings provided a forum for sharing innovations among the integrating pharmacists. CONCLUSION: The narrative report can be a successful qualitative tool to track and evaluate the early stages of an intervention in the context of evolving primary health care teams.

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)0,012
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,224
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,822
Tête enseignante GPT0,727
Écart entre enseignants0,094 · 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.

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

Citations16
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Annals of Family MedicineMême sujetHealth Policy Implementation ScienceTravaux en français237 207