Implications of interprofessional primary care team characteristics for health services and patient health outcomes: A systematic review with narrative synthesis
Notice bibliographique
Résumé
Interprofessional primary care (IPPC) teams are promoted as an alternative to single profession physician practices in primary care with focus on preventive care and chronic disease management. Characteristics of teams can have an impact on their performance. We synthesized quantitative, qualitative or mixed-methods evidence addressing the design of IPPC teams. We searched Ovid MEDLINE, Embase, CINAHL, and PAIS using search terms focused on IPPC teams. Studies were included if they discussed the influence of team structure, organization, financial arrangements, or policies and procedures, or either health care processes or outputs, health outcomes, or costs, and were conducted in Australia, Canada, the United Kingdom or New Zealand between 2003 and 2016. We screened 11,707 titles, 5366 abstracts, and selected 77 full text articles (38 qualitative, 31 quantitative and 8 mixed-methods). Literature focused on the implications of team characteristics on team processes, such as teamwork, collaboration, or satisfaction of patients or providers. Despite heterogeneity of contexts, some trends are observable: shared space, common vision and goals, clear definitions of roles, and leadership as important to good teamwork. The impacts of these on health care outputs or patient health are not clear. To move the state of knowledge beyond perception of what works well for IPPC teams, researchers should focus on quantitative causal inference about the linkages between team characteristics and patient health.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».