Assessing the impact of general practitioner team service on perceived quality of care among patients with non-communicable diseases in China: a natural experimental study
Notice bibliographique
Résumé
OBJECTIVE: China issued the national primary care policy of promoting general practitioner (GP) team service in 2011. We conducted this study to assess the impact of the GP team service on quality of primary care as perceived by patients with non-communicable diseases (NCDs). DESIGN: Natural experimental study. SETTING: This study was conducted in Shanghai, where the policy was effectively implemented, and Kunming, where the policy was not implemented. PARTICIPANTS: In both cities, NCD patients were interviewed with primary care assessment tool (PCAT) after their clinical consultations in their community health centers. INTERVENTION: The implementation of GP team service policy. MAIN OUTCOME MEASURES: Multiple linear regressions were employed to compare PCAT scores between the two rounds of the surveys in each city. Difference-in-difference (DID) analysis was used to identify the changes between two cities over time. RESULTS: A total of 663 and 587 patients in Shanghai, and 400 and 441 patients in Kunming were surveyed in 2011 and 2013, respectively. The DID analysis showed that the total primary care quality scores improved in Shanghai compared with Kunming between 2011 and 2013 (β = 1.30, 95% CI: 0.74, 1.87). In Shanghai, care quality in 2013 improved significantly for the total score and the six components when compared with those in 2011. No significant changes were observed in Kunming in the same period. CONCLUSION: Primary care policies that promote long-term provider-patient relationships, coordinated service with hospitals and capitation payment for the GP team may contribute to the improvement of care quality in Shanghai.
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 | 0,002 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».