Partnerships for improving dementia care in primary care: Extending access to primary care‐based memory clinics in Ontario, Canada
Notice bibliographique
Résumé
In Ontario, Canada, the Primary Care Collaborative Memory Clinic (PCCMC) model of dementia care provides a team-based assessment and management service that has demonstrated increased capacity for dementia care at the primary care level. PCCMCs are established following completion of a multi-faceted memory clinic training programme. Evidence of the success of this care model has been demonstrated primarily in practice settings with integrated interprofessional healthcare providers (HCPs). Desire to implement PCCMCs in less-resourced family practice settings without integrated interprofessional HCPs has resulted in partnerships with community agencies and services to create the multifaceted teams needed for this care model. The purpose of this study was to describe the key lessons learned in the development and implementation of 18 PCCMCs in primary care practice models without integrated interprofessional HCPs. Mixed methods included tracking of clinic referrals, pre- (N = 122) and post- (N = 71) training surveys to assess practice changes and factors facilitating and challenging clinic implementation. Interviews were conducted with 40 team members to identify key lessons learned. Key enablers were access to training, organisational/ management and care provider support, availability of infrastructure supports and clinic coordination. Data were collected between January 2012 and January 2017. PCCMCs were challenged by a lack of sustainable funding, inadequate infrastructure support, competing priorities, maintaining adequate communication among team members, and coordinating multiple schedules. Suggestions to support longer term sustainability were identified, many addressing identified challenges such as securing sustainable funding, and ensuring partners understand the importance of their role and succession planning. This study demonstrated that by establishing community partnerships and leveraging existing community resources, the PCCMC model is generalisable to multiple family practice settings including those without integrated interprofessional staff. Lessons learned can inform the development of interventions for complex chronic conditions requiring interprofessional support in primary care.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».