Implementation of a novel rehabilitation model of care across Alberta, Canada: a focused ethnography
Notice bibliographique
Résumé
BACKGROUND: In 2017, a provincial health-system released a Rehabilitation Model of Care (RMoC) to promote patient-centred care, provincial standardisation and data-driven innovation. Eighteen early-adopter community-rehabilitation teams implemented the RMoC using a 1.5-year-long Innovation Learning Collaborative (in-person learning sessions; balanced scorecards). More research is required on developing, implementing and evaluating models of care. We aimed to explore experiences of early-adopter providers and provincial consultants involved in the community-rehabilitation RMoC implementation in Alberta, Canada. METHODS: Using focused ethnography, we used focus groups (or interviews for feasibility/confidentiality) and aggregate, site-level data analysis of RMoC standardised metrics. Purposive sampling ensured representation across geography, service types and patient populations. Team-specific focus groups were onsite and led by a researcher-moderator and cofacilitator. A semistructured question guide promoted discussions on interesting/challenging occurrences; perceptions of RMoC impact and perceptions of successful implementation. Focus groups and interviews were audio-recorded and transcribed alongside field notes. Data collection and analysis were concurrent to saturation. Transcripts coding involves collapsing similar ideas into themes, with intertheme relationships identified. Rigour tactics included negative case analysis, thick description and audit trail. RESULTS: We completed 11 focus groups and seven interviews (03/2018 to 01/2019) (n=45). Participants were 89.6% women, mostly Canadian trained and represented diverse rehabilitation professions. The implementation experience involved navigating emotions, operating among dynamics and integrating the RMoC details. Confident, satisfied early-adopter teams demonstrated traits including strong coping strategies; management support and being opportunistic and candid about failure. Teams faced common challenges (eg, emotions of change; delayed data access and lack of efficient, memorable communication across team and site). Implementation success targeted patient, team and system levels. CONCLUSIONS: We recommend training priorities for future teams including evaluation training for novice teams; timelines for stepwise implementation; on-site, in-person time with a facilitator and full-team present and prolonged facilitated introductions between similar teams for long-term mentorship.
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 | 0,000 | 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 ».