MétaCan
Menu
Retour à la cohorte
Enregistrement W2613623559 · doi:10.1186/s12939-017-0571-5

Organisational systems’ approaches to improving cultural competence in healthcare: a systematic scoping review of the literature

2017· article· en· W2613623559 sur OpenAlexaboutno aff
Janya McCalman, Crystal Jongen, Roxanne Bainbridge

Notice bibliographique

RevueInternational Journal for Equity in Health · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionHealth careCultural competenceGrey literatureNursingThematic analysisCompetence (human resources)Health services researchSystematic reviewHealth policyHealth informaticsMedicinePublic relationsPsychologyPublic healthQualitative researchSociologyMEDLINEPolitical sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Healthcare organisations serve clients from diverse Indigenous and other ethnic and racial groups on a daily basis, and require appropriate client-centred systems and services for provision of optimal healthcare. Despite advocacy for systems-level approaches to cultural competence, the primary focus in the literature remains on competency strategies aimed at health promotion initiatives, workforce development and student education. This paper aims to bridge the gap in available evidence about systems approaches to cultural competence by systematically mapping key concepts, types of evidence, and gaps in research. METHODS: A literature search was completed as part of a larger systematic search of evaluations and measures of cultural competence interventions in health care in Canada, the United States, Australia and New Zealand. Seventeen peer-reviewed databases, 13 websites and clearinghouses, and 11 literature reviews were searched from 2002 to 2015. Overall, 109 studies were found, with 15 evaluating systems-level interventions or describing measurements. Thematic analysis was used to identify key implementation principles, intervention strategies and outcomes reported. RESULTS: Twelve intervention and three measurement studies met our inclusion criteria. Key principles for implementing systems approaches were: user engagement, organisational readiness, and delivery across multiple sites. Two key types of intervention strategies to embed cultural competence within health systems were: audit and quality improvement approaches and service-level policies or strategies. Outcomes were found for organisational systems, the client/practitioner encounter, health, and at national policy level. DISCUSSION AND IMPLICATIONS: We could not determine the overall effectiveness of systems-level interventions to reform health systems because interventions were context-specific, there were too few comparative studies and studies did not use the same outcome measures. However, examined together, the intervention and measurement principles, strategies and outcomes provide a preliminary framework for implementation and evaluation of systems-level interventions to improve cultural competence. Identified gaps in the literature included a need for cost and effectiveness studies of systems approaches and explication of the effects of cultural competence on client experience. Further research is needed to explore the extent to which cultural competence improves health outcomes and reduces ethnic and racially-based healthcare disparities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,049
score de la tête « metaresearch » (Gemma)0,107
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,257

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,107
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,006
Bibliométrie0,0290,027
Études des sciences et des technologies0,0020,004
Communication savante0,0070,007
Science ouverte0,0030,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,334
Tête enseignante GPT0,509
Écart entre enseignants0,175 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations105
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Equity in HealthMême sujetCultural Competency in Health CareTravaux en français237 207