An Overview of Reviews on Interprofessional Collaboration in Primary Care: Barriers and Facilitators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Interprofessional collaboration (IPC) is becoming more widespread in primary care due to the increasing complex needs of patients. However, its implementation can be challenging. We aimed to identify barriers and facilitators of IPC in primary care settings. METHODS: An overview of reviews was carried out. Nine databases were searched, and two independent reviewers took part in review selection, data extraction and quality assessment. A thematic synthesis was carried out to highlight the main barriers and facilitators, according to the type of IPC and their level of intervention (system, organizational, inter-individual and individual). RESULTS: Twenty-nine reviews were included, classified according to six types of IPC: IPC in primary care (large scope) (n = 11), primary care physician (PCP)-nurse in primary care (n = 2), PCP-specialty care provider (n = 3), PCP-pharmacist (n = 2), PCP-mental health care provider (n = 6), and intersectoral collaboration (n = 5). Most barriers and facilitators were reported at the organizational and inter-individual levels. Main barriers referred to lack of time and training, lack of clear roles, fears relating to professional identity and poor communication. Principal facilitators included tools to improve communication, co-location and recognition of other professionals' skills and contribution. CONCLUSIONS: The range of barriers and facilitators highlighted in this overview goes beyond specific local contexts and can prove useful for the development of tools or guidelines for successful implementation of IPC in primary care.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle