PARTNERSHIPS TO IMPROVE AGING IN CALIFORNIA: PERSPECTIVES FROM HRSA’S GERIATRIC WORKFORCE ENHANCEMENT PROGRAMS
Notice bibliographique
Résumé
Background: To improve models of care for older adults, HRSA’s Geriatrics Workforce Enhancement Program (GWEP) encouraged academic institutions to partner with health and/or social service providers. In 2016, evaluators from five California GWEPs began to study their partnerships and to determine characteristics of success. Methods: Evaluators developed a mixed-method approach. Partners (n=38) completed a survey that measured five attributes (governance, administration, autonomy, mutuality, and norms/trust) with a 17-item instrument, and perceived success with an 8-item instrument. To determine context, experiences and results, evaluators conducted semi-structured, 15-question interviews that were audio recorded and transcribed for thematic analysis. Through iterative coding by consensus, a code structure emerged and was applied to all interviews. Results: Partners reported high levels of success (mean=8.2, 10-point scale), and scores for attributes ranged from 5.9 (7-point scale) for administration to 6.4 for autonomy with mutuality (odds ratio of 8.1, p=0.002) and norms/trust (odds ratio=19.0, p=0.019) most highly correlated with success. Interviews with 20 organizations captured a range of partnership structures, from coordination to collaboration, and experiences of dissatisfaction were associated with a failure to acknowledge differences in applied goals. Discussion: To meet the goals of HRSA’s GWEP initiative to improve care for older adults, successful cross-sector partnerships are critical. A mixed-method study of five diverse GWEPs in California showed that partnership aspects of mutuality (e.g., all partners benefit from the collaboration) and norms/trust (e.g., organizations can count on each other) appeared to contribute the most to perceived success. Additionally, prioritizing understanding of applied goals can decrease dissatisfaction.
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 | 0,013 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».