MétaCan
Menu
Retour à la cohorte
Enregistrement W2762779240 · doi:10.1177/0163278717734282

Variables Associated With Perceived Work Role Performance Among Professionals in Multidisciplinary Mental Health Teams Overall and in Primary Care and Specialized Service Teams, Respectively

2017· article· en· W2762779240 sur OpenAlexafffundabout
Marie‐Josée Fleury, Guy Grenier, Jean-Marie Bamvita, François Chiocchio

Notice bibliographique

RevueEvaluation & the Health Professions · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensUniversity of OttawaMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésContext (archaeology)Mental healthMultidisciplinary approachPsychologyTeam effectivenessService (business)Applied psychologyMultidisciplinary teamSample (material)NursingKnowledge managementMedicineBusinessMarketingPsychiatry

Résumé

récupéré en direct d'OpenAlex

This study had a dual purpose (1) to identify variables associated with perceived work role performance (WRP) among 315 mental health professionals (MHPs) in Quebec and (2) to compare variables related to WRP in MH primary care teams (PCTs) and specialized service teams (SSTs), respectively. WRP was measured using an adapted version of the work role questionnaire. Variables were organized within five areas: individual characteristics, perceived team attributes, perceived team processes, perceived team emergent states, and geographical and organizational context. Half of the WRP variables were linked to team processes. Knowledge sharing correlated with WRP in both MH PCTs and SSTs. Team attributes had more impact on MH PCTs, while team processes and team emergent states played a larger role among SSTs. The association between WRP and knowledge sharing confirms the need for a systematic training program to promote interdisciplinary collaboration. Integration strategies (e.g., service agreements) could improve collaboration between MH PCTs and SSTs and help MHPs perform more effectively within PCTs.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,286
Score d'incertitude au seuil0,568

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,043
Tête enseignante GPT0,435
Écart entre enseignants0,392 · 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'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

Citations6
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEvaluation & the Health ProfessionsMême sujetInterprofessional Education and CollaborationTravaux en français237 207