Interprofessional advanced access – a quality improvement protocol for expanding access to primary care services
Notice bibliographique
Résumé
BACKGROUND: The Advanced Access (AA) Model has shown considerable success in improving timely access for patients in primary care settings. As a result, a majority of family physicians have implemented AA in their organizations over the last decade. However, despite its widespread use, few professionals other than physicians and nurse practitioners have implemented the model. Among those who have integrated it to their practice, a wide variation in the level of implementation is observed, suggesting a need to support primary care teams in continuous improvement with AA implementation. This quality improvement research project aims to document and measure the processes and effects of practice facilitation, to implement and improve AA within interprofessional teams. METHODS: Five primary care teams at various levels of organizational AA implementation will take part in a quality improvement process. These teams will be followed independently over PDSA (Plan-Do-Study-Act) cycles for 18 months. Each team is responsible for setting their own objectives for improvement with respect to AA. The evaluation process consists of a mixed-methods plan, including semi-structured interviews with key members of the clinical and management teams, patient experience survey and AA-related metrics monitored from Electronic Medical Records over time. DISCUSSION: Most theories on organizational change indicate that practice facilitation should enable involvement of stakeholders in the process of change and enable improved interprofessional collaboration through a team-based approach. Improving access to primary care services is one of the top priorities of the Quebec's ministry of health and social services. This study will identify key barriers to quality improvement initiatives within primary care and help to develop successful strategies to help teams improve and broaden implementation of AA to other primary care professionals.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,124 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».