Nurse practitioner’s perceptions of the impact of the nurse practitioner-led clinic model on the quality of care of complex patients
Notice bibliographique
Résumé
AimTo evaluate the organizational processes that influence the quality of care for patients with multimorbidity at nurse practitioner-led clinics (NPLCs). BACKGROUND: People are living longer, most with one or more chronic diseases (mulitmorbidity) and primary healthcare for these patients has become increasingly complex. One response was the establishment of new models of primary healthcare. NPLCs are an example of a model developed in Ontario, Canada, which feature nurse practitioners as the primary care providers practicing within an interprofessional team. Evaluation of the extent to which the processes within NPLC model addressed the needs of patients with multimorbidity is warranted. METHODS: Eight nurse practitioners were interviewed to determine their perception of the quality of care provided to patients with multimorbidity at NPLCs. Interpretive description guided the analysis and themes were identified.FindingsThree themes arose from the analysis, each of which has an impact on the quality of care. The level of patient vulnerability at the NPLCs was high resulting in the need to address social and financial issues before the care of chronic conditions. Dynamics within the interprofessional team impacted the quality of patient care, including NP recruitment and retention, leaves of absence and turnover in staff at the NPLCs had an effect on interprofessional team functioning and patient care. Finally, coordination of care at the NPLCs, such as length of appointments, determined the extent to which attention was given to individual clinical issues was a factor. Strategies to address social determinants of health and for recruitment and retention of NPs is essential for improved quality of care. Comprehensive orientation to the interprofessional team as well as flexibility in care processes may also have positive effects on the quality of care of patients with complex clinical issues.
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 | 0,011 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».