The Development of a Logic Model to Guide the Planning and Evaluation of a Navigation Center for Children and Youth with Complex Care Needs
Notice bibliographique
Résumé
Most systems across health settings and sectors are not well integrated and do not provide the needed supports, resources, or access caregivers and families require to properly care for their child with complex care needs (CCNs). NaviCare/SoinsNavi is a research-based navigation center aimed to help facilitate more convenient and integrated care to support the needs of children, youth, and their families using a patient navigator to offer personalized family-centered care. A logic model was developed by the NaviCare team to facilitate the foundational work needed for a successful program, such as program planning; establishing program goals and objectives; as well as providing a logical illustration of how the program will work. This visual representation of the assumed cause-and-effect connections between program components and desired outcomes informed the identification of inputs, activities, and outputs deemed critical for successful program execution, and for the research and evaluation of the program processes, as well as the program as a whole. This provided a safeguard to ensure critical activities were not overlooked, allowed the comparison of the ideal versus the realities of the program, enhanced communication, and highlighted data and resources that are needed for program implementation and evaluation. This article describes the development of NaviCare/SoinsNavi’s logic model, including how this framework will be used to guide the planning and evaluation of the navigation center to support achieving its vision that every child and youth with CCNs have access to the required health, social, and education services they require in a timely manner.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».