Development of Best Practice Guidelines for Primary Care to Support Patients Who Use Substances
Notice bibliographique
Résumé
INTRODUCTION: People who use substances often mistrust the primary care system, impeding access. OBJECTIVES: To build on research clarifying how to improve patients' feelings of safety, through co-creating best practice guidelines with physicians and patient representatives. METHODS: After obtaining Research Ethics Board approval, this qualitative study engaged 22 participants including patients, physicians, and health system partners. We held a series of workshops, co-facilitated by patients and researchers, corresponding to 3 phases of the research: (1) establishment of cultural safety processes for participants during the workshops; (2) a facilitated, collaborative world café to develop guideline content; (3) validation of best practice guidelines. An implementation plan was developed and implemented. Finally, an external peer review was conducted by McGill University. RESULTS: Best practices guidelines were developed giving the patient perspective on how to enhance primary care, as follows: (1) become trauma informed; (2) consider your clinical environment; (3) build a network; (4) supply an array of resources; (5) co-create a long-term treatment plan; (6) help me to stay healthy; (7) ensure timely access to specialized medical and surgical care; (8) be an advocate; (9) ask for feedback; (10) follow up. Resources were developed and disseminated. CONCLUSION: The best practice guidelines reflect the patients' perspectives on common challenges patients have encountered, which impede their access to primary care. They support primary care physicians in providing more effective services to this challenging population of patients.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».