Providing high-quality care in primary care settings
Notice bibliographique
Résumé
Objective To gain a deeper understanding of how primary care (PC) practices belonging to different models manage resources to provide high-quality care. Design Multiple-case study embedded in a cross-sectional study of a random sample of 37 practices. Setting Three regions of Quebec. Participants Health care professionals and staff of 5 PC practices. Methods Five cases showing above-average results on quality-of-care indicators were purposefully selected to contrast on region, practice size, and PC model. Data were collected using an organizational questionnaire; the Team Climate Inventory, which was completed by health care professionals and staff; and 33 individual interviews. Detailed case histories were written and thematic analysis was performed. Main findings The core common feature of these practices was their ongoing effort to make trade-offs to deliver services that met their vision of high-quality care. These compromises involved the same 3 areas, but to varying degrees depending on clinic characteristics: developing a shared vision of high-quality care; aligning resource use with that vision; and balancing professional aspirations and population needs. The leadership of the physician lead was crucial. The external environment was perceived as a source of pressure and dilemmas rather than as a source of support in these matters. Conclusion Irrespective of their models, PC practices’ pursuit of high-quality care is based on a vision in which accessibility is a key component, balanced by appropriate management of available resources and of external environment expectations. Current PC reforms often create tensions rather than support PC practices in their pursuit of high-quality care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».