MétaCan
Menu
Retour à la cohorte
Enregistrement W2775017354 · doi:10.1186/s12913-017-2730-1

What systemic factors contribute to collaboration between primary care and public health sectors? An interpretive descriptive study

2017· article· en· W2775017354 sur OpenAlexafffundabout
Sabrina T. Wong, Marjorie MacDonald, Ruth Martin‐Misener, Donna Meagher‐Stewart, Linda O’Mara, Ruta Valaitis

Notice bibliographique

RevueBMC Health Services Research · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiquePublic Health Policies and Education
Établissements canadiensMcMaster UniversityUniversity of VictoriaUniversity of British ColumbiaDalhousie UniversityUniversity of British Columbia Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchMichael Smith Health Research BCMcMaster UniversityPublic Health Agency of CanadaPublic Health AgencyRegistered Nurses' Association of OntarioCanadian Health Services Research Foundation
Mots-clésSnowball samplingHealth administrationThematic analysisHealth informaticsNursing researchPublic healthMedicinePublic relationsHealth services researchDescriptive statisticsQualitative researchNursingMedical educationSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Purposefully building stronger collaborations between primary care (PC) and public health (PH) is one approach to strengthening primary health care. The purpose of this paper is to report: 1) what systemic factors influence collaborations between PC and PH; and 2) how systemic factors interact and could influence collaboration. METHODS: This interpretive descriptive study used purposive and snowball sampling to recruit and conduct interviews with PC and PH key informants in British Columbia (n = 20), Ontario (n = 19), and Nova Scotia (n = 21), Canada. Other participants (n = 14) were knowledgeable about collaborations and were located in various Canadian provinces or working at a national level. Data were organized into codes and thematic analysis was completed using NVivo. The frequency of "sources" (individual transcripts), "references" (quotes), and matrix queries were used to identify potential relationships between factors. RESULTS: We conducted a total of 70 in-depth interviews with 74 participants working in either PC (n = 33) or PH (n = 32), both PC and PH (n = 7), or neither sector (n = 2). Participant roles included direct service providers (n = 17), senior program managers (n = 14), executive officers (n = 11), and middle managers (n = 10). Seven systemic factors for collaboration were identified: 1) health service structures that promote collaboration; 2) funding models and financial incentives supporting collaboration; 3) governmental and regulatory policies and mandates for collaboration; 4) power relations; 5) harmonized information and communication infrastructure; 6) targeted professional education; and 7) formal systems leaders as collaborative champions. CONCLUSIONS: Most themes were discussed with equal frequency between PC and PH. An assessment of the system level context (i.e., provincial and regional organization and funding of PC and PH, history of government in successful implementation of health care reform, etc) along with these seven system level factors could assist other jurisdictions in moving towards increased PC and PH collaboration. There was some variation in the importance of the themes across provinces. British Columbia participants more frequently discussed system structures that could promote collaboration, power relations, harmonized information and communication structures, formal systems leaders as collaboration champions and targeted professional education. Ontario participants most frequently discussed governmental and regulatory policies and mandates for collaboration.

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)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,000
Communication savante0,0010,003
Science ouverte0,0010,001
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 Opus0,202
Tête enseignante GPT0,557
Écart entre enseignants0,355 · 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.

Devis d'étudeQualitatif
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

Citations34
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetPublic Health Policies and EducationTravaux en français237 207