MétaCan
Menu
Retour à la cohorte
Enregistrement W2611654175 · doi:10.3747/co.24.3426

Challenges and Insights in Implementing Coordinated Care between Oncology and Primary Care Providers: A Canadian Perspective

2017· article· en· W2611654175 sur OpenAlexafffundvenueabout
Jennifer R. Tomasone, Marija Vukmirovic, Martijn C.G.J. Brouwers, Eva Grunfeld, Robin Urquhart, Mary Ann O’Brien, Melanie Walker, Fiona Webster, Margaret I. Fitch

Notice bibliographique

RevueCurrent Oncology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensInstitute of Health Services and Policy ResearchDalhousie UniversityUniversity of TorontoQueen's UniversityMcMaster UniversityOntario Clinical Oncology Group
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCasebookMedicineCollaborative CareNursingPrimary careFamily medicinePolitical science

Résumé

récupéré en direct d'OpenAlex

We report here on the current state of cancer care coordination in Canada and discuss challenges and insights with respect to the implementation of collaborative models of care. We also make recommendations for future research. This work is based on the findings of the Canadian Team to Improve Community-Based Cancer Care Along the Continuum (canimpact) casebook project. The casebook project identified models of collaborative cancer care by systematically documenting and analyzing Canadian initiatives that aim to improve or enhance care coordination between primary care providers and oncology specialists. The casebook profiles 24 initiatives, most of which focus on breast or colorectal cancer and target survivorship or follow-up care. Current key challenges in cancer care coordination are associated with establishing program support, engaging primary care providers in the provision of care, clearly defining provider roles and responsibilities, and establishing effective project or program planning and evaluation. Researchers studying coordinated models of cancer care should focus on designing knowledge translation strategies with updated and refined governance and on establishing appropriate protocols for both implementation and evaluation.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,432
Tête enseignante GPT0,557
Écart entre enseignants0,124 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations23
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetClinical practice guidelines implementationTravaux en français237 207