MétaCan
Menu
Retour à la cohorte
Enregistrement W3026755709 · doi:10.1186/s12875-020-01165-2

Experiences of integrating community volunteers as extensions of the primary care team to help support older adults at home: a qualitative study

2020· article· en· W3026755709 sur OpenAlexafffundabout
Jessica Gaber, Doug Oliver, Ruta Valaitis, Laura Cleghorn, Larkin Lamarche, Ernie Avilla, Fiona Parascandalo, David Price, Lisa Dolovich

Notice bibliographique

RevueBMC Family Practice · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensMcMaster UniversityHealth Sciences Centre
Organismes subventionnairesHealth CanadaOntario Ministry of Health and Long-Term CareMcMaster University
Mots-clésMedicineNursingPrimary careQualitative researchIntervention (counseling)Health carePrimary health careFamily medicinePopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasing the integration of community volunteers into primary health care delivery has the potential to improve person-focused, coordinated care, yet the use of volunteers in primary care is largely unexplored. Health Teams Advancing Patient Experience: Strengthening Quality (Health TAPESTRY) is a multi-component intervention involving trained community volunteers functioning as extensions of primary care teams, supporting care based on older adults' health goals and needs. This study aimed to gain an understanding of volunteer experiences within the program and client and health care provider perspectives on the volunteer role. METHODS: This study used a qualitative descriptive approach embedded in a pragmatic randomized controlled trial. Participants included Health TAPESTRY volunteers, health care providers, volunteer coordinator, and program clients, all connected to two primary care practice sites in a large urban setting in Ontario, Canada. Data collection included semi-structured focus groups and interviews with all participants, and the completion of a measure of attitudes toward older adults and self-efficacy for volunteers. Qualitative data were inductively coded and analyzed using a constant comparative approach. Quantitative data were summarized using descriptive statistics. RESULTS: Overall, 30 volunteers and 64 other participants (clients, providers, volunteer coordinator) were included. Themes included: 1. Volunteer training: "An investment in volunteers"; 2. Intergenerational volunteer pairing: "The best of both worlds"; 3. Understanding the volunteer role and its scope: "Lay people involved in care"; 4. Volunteers as extensions of primary care teams: "Being the eyes where they live"; 5. The disconnect between volunteers and the clinical team: "Is something being done?"; 6. "Learning… all the time": Impacts on volunteers; and 7. Clients' acceptance of volunteers. CONCLUSIONS: This study showed that it is possible to integrate community volunteers into the primary care setting, adding human connections to deepen the primary care team's understanding of their patients. Program implementation suggestions that emerged included: using role play in training, making volunteer role boundaries and specifications clear, and making efforts to connect volunteers and the primary care team they are supporting. This exploration of stakeholder voices has the potential to help improve volunteer program uptake and acceptability, as well as volunteer recruitment, retention, and training. TRIAL REGISTRATION: For RCT: https://clinicaltrials.gov/ct2/show/NCT02283723, November 5, 2014.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0120,009
Communication savante0,0040,003
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,075
Tête enseignante GPT0,471
Écart entre enseignants0,396 · 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 source (Gemma direct ou Codex distillé), 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

Citations29
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Family PracticeMême sujetInterprofessional Education and CollaborationTravaux en français237 207