Case management in primary care among frequent users of healthcare services with chronic conditions: protocol of a realist synthesis
Notice bibliographique
Résumé
INTRODUCTION: A common reason for frequent use of healthcare services is the complex healthcare needs of individuals suffering from multiple chronic conditions, especially in combination with mental health comorbidities and/or social vulnerability. Frequent users (FUs) of healthcare services are more at risk for disability, loss of quality of life and mortality. Case management (CM) is a promising intervention to improve care integration for FU and to reduce healthcare costs. This review aims to develop a middle-range theory explaining how CM in primary care improves outcomes among FU with chronic conditions, for what types of FU and in what circumstances. METHODS AND ANALYSIS: A realist synthesis (RS) will be conducted between March 2017 and March 2018 to explore the causal mechanisms that underlie CM and how contextual factors influence the link between these causal mechanisms and outcomes. According to RS methodology, five steps will be followed: (1) focusing the scope of the RS; (2) searching for the evidence; (3) appraising the quality of evidence; (4) extracting the data; and (5) synthesising the evidence. Patterns in context-mechanism-outcomes (CMOs) configurations will be identified, within and across identified studies. Analysis of CMO configurations will help confirm, refute, modify or add to the components of our initial rough theory and ultimately produce a refined theory explaining how and why CM interventions in primary care works, in which contexts and for which FU with chronic conditions. ETHICS AND DISSEMINATION: Research ethics is not required for this review, but publication guidelines on RS will be followed. Based on the review findings, we will develop and disseminate messages tailored to various relevant stakeholder groups. These messages will allow the development of material that provides guidance on the design and the implementation of CM in health organisations. TRIAL REGISTRATION NUMBER: Prospero CRD42017057753.
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 | 0,160 | 0,247 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,071 | 0,011 |
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 ».