MétaCan
Menu
Retour à la cohorte
Enregistrement W2986783720 · doi:10.5334/ijic.4648

Patient Navigation as an Approach to Improve the Integration of Care: The Case of NaviCare/SoinsNavi

2019· article· en· W2986783720 sur OpenAlexaff
Shelley Doucet, Alison Luke, Jennifer Splane, Rima Azar

Notice bibliographique

RevueInternational Journal of Integrated Care · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensMount Allison University
Organismes subventionnairesnon disponible
Mots-clésIntegrated careHealth careService (business)NursingProcess (computing)Work (physics)PopulationKnowledge managementMedicinePsychologyBusinessComputer scienceEngineeringMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

Children and youth with complex care needs require more and varied healthcare services than the average population, as well as a high degree of coordinated care. Evidence has shown that these individuals and their families have better outcomes if they have access to integrated care. Patient navigation can serve as a novel approach to improve the integration of care for individuals with complex care needs in an increasingly fragmented system. NaviCare/SoinsNavi is an example of a navigation centre for children and youth with complex care needs, their families, and the care team. This research-based service is aimed at facilitating more convenient and integrated care using a personalized family-centred approach. NaviCare/SoinsNavi employs two patient navigators who work with clients to formulate and prioritize goals based on their unmet needs. The centre serves as a living laboratory, which provides researchers, knowledge users, and clients a real life setting where innovative ideas can be explored, evaluated, modified as needed throughout the research process, and moved into policy in an efficient manner. Patient navigation programs can contribute to decreasing fragmentation, improving access, and promoting integrated care across disciplines, settings, and sectors for individuals across the lifespan.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,349
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,400
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Integrated CareMême sujetInterprofessional Education and CollaborationTravaux en français237 207