Building managed primary care practice networks to deliver better clinical care: a qualitative semi-structured interview study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Primary care practices are increasingly working in larger groups. In 2009, all 36 primary care practices in the London borough of Tower Hamlets were grouped geographically into eight managed practice networks to improve the quality of care they delivered. Quantitative evaluation has shown improved clinical outcomes. AIM: To provide insight into the process of network implementation, including the aims, facilitating factors, and barriers, from both the clinical and managerial perspectives. DESIGN AND SETTING: A qualitative study of network implementation in the London borough of Tower Hamlets, which serves a socially disadvantaged and ethnically diverse population. METHOD: Nineteen semi-structured interviews were carried out with doctors, nurses, and managers, and were informed by existing literature on integrated care and GP networks. Interviews were recorded and transcribed, and thematic analysis used to analyse emerging themes. RESULTS: Interviewees agreed that networks improved clinical care and reduced variation in practice performance. Network implementation was facilitated by the balance struck between 'a given structure' and network autonomy to adopt local solutions. Improved use of data, including patient recall and peer performance indicators, were viewed as critical key factors. Targeted investment provided the necessary resources to achieve this. Barriers to implementing networks included differences in practice culture, a reluctance to share data, and increased workload. CONCLUSION: Commissioners and providers were positive about the implementation of GP networks as a way to improve the quality of clinical care in Tower Hamlets. The issues that arose may be of relevance to other areas implementing similar quality improvement programmes at scale.
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.
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 | 0,011 | 0,013 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 découle