An Overview of Reviews on Interprofessional Collaboration in Primary Care: Effectiveness
Notice bibliographique
Résumé
INTRODUCTION: Interprofessional collaboration (IPC) is increasingly used but diversely implemented in primary care. We aimed to assess the effectiveness of IPC in primary care settings. METHODS: An overview (review of systematic reviews) was carried out. We searched nine databases and employed a double selection and data extraction method. Patient-related outcomes were categorized, and results coded as improvement (+), worsening (-), mixed results (?) or no change (0). RESULTS: 34 reviews were included. Six types of IPC were identified: IPC in primary care (large scope) (n = 8), physician-nurse in primary care (n = 1), primary care physician (PCP)-specialty care provider (n = 5), PCP-pharmacist (n = 3), PCP-mental healthcare provider (n = 15), and intersectoral collaboration (n = 2). In general, IPC in primary care was beneficial for patients with variation between types of IPC. Whereas reviews about IPC in primary care (large scope) showed better processes of care and higher patient satisfaction, other types of IPC reported mixed results for clinical outcomes, healthcare use and patient-reported outcomes. Also, reviews focusing on interventions based on pre-existing and well-defined models, such as collaborative care, overall reported more benefits. However, heterogeneity between the included primary studies hindered comparison and often led to the report of mixed results. Finally, professional- and organizational-related outcomes were under-reported, and cost-related outcomes showed some promising results for IPC based on pre-existing models; results were lacking for other types. CONCLUSIONS: This overview suggests that interprofessional collaboration can be effective in primary care. Better understanding of the characteristics of IPC processes, their implementation, and the identification of effective elements, merits further attention.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».