Implementation and evaluation of a quality improvement project: carepaths for Early Psychosis Intervention Programmes in Northeastern Ontario
Notice bibliographique
Résumé
AIM: This study aims to describe the implementation and evaluation of a quality improvement project, which aimed to standardize services and documentation across several district Early Psychosis Intervention Programmes in a rural region of Canada (Northeastern Ontario). METHOD: A Carepath for early psychosis intervention (EPI), which outlined best practice EPI care pathways, was implemented across 12 EPI programme sites. It was hypothesized that the proportion of best practice interventions provided across the district programmes would increase after the implementation of the Carepath initiative and that documentation would be standardized. Pre-Carepath and post-Carepath chart audits evaluated the provision and documentation of EPI best practices that were specified in the Carepath. RESULTS: Pre-audits and post-audits were completed on 110 and 108 client files, respectively. Chi-squared tests revealed that the post-audit frequencies were significantly higher than the pre-audit frequencies for two of the 12 EPI best practices that were evaluated (i.e. assessed impact on family and assessment of substance use). Standardization of documentation did not improve significantly. CONCLUSIONS: The results are discussed in the context of barriers to implementing and evaluating the Carepaths. Various individual and agency level barriers are identified (e.g. staff resistance, resources and agency documentation parameters), and strategies to overcome them are discussed. It is concluded that, despite barriers to implementation and evaluation, Carepaths can be a useful tool for standardizing services and documentation across a network of EPI programmes and guiding programme evaluation and quality assurance.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».