MétaCan
Menu
Retour à la cohorte
Enregistrement W3215323588 · doi:10.12927/hcpol.2021.26659

Comparing the Attainment of the Patient’s Medical Home Model across Regions in Three Canadian Provinces: A Cross-Sectional Study

2021· article· en· W3215323588 sur OpenAlexafffundvenueabout
Sabrina T. Wong, Sharon Johnston, Fred Burge, Mehdi Ammi, John Campbell, Alan Katz, Ruth Martin‐Misener, Sandra Peterson, Manpreet Thandi, Jeannie Haggerty, William Hogg

Notice bibliographique

RevueHealthcare policy · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensMcGill UniversityVancouver Coastal HealthUniversity of ManitobaMcGill University Health CentreCarleton UniversityDalhousie UniversityUniversity of OttawaManitoba HealthInstitut du Savoir MontfortUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchMichael Smith Health Research BC
Mots-clésPortraitPrimary careStrengths and weaknessesBaseline (sea)GeographyPsychologyRegional scienceMedicinePolitical scienceFamily medicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

Background: The aim of this work was to show the feasibility of providing a comprehensive portrait of regional primary care performance.Methods: The TRANSFORMATION study used a mixed-methods concurrent study design where we analyzed survey data and case studies.Data were collected in British Columbia, Ontario and Nova Scotia.Patient' s Medical Home (PMH) pillar scores were created by calculating mean clinic-level scores across regions.Scores and qualitative themes were compared.Results: Participation included 86 practices (n = 1,929 patients; n = 117 clinicians).Regions had differential attainment towards PMH orientation with respect to infrastructure; community adaptiveness and accountability; and patient and family partnered care.The lowest PMH attainment for all regions were observed in connected care; accessible care; measurement, continuous quality improvement and research; and training, education and continuing professional development.Conclusions: Comprehensive performance reporting that draws on multiple data sources in primary care is possible.Regional portraits highlighting many of the key pillars of a PMH approach to primary care show that despite differences in policy contexts, achieving a PMH remains elusive. RésuméContexte : L' objectif de ce travail est de montrer la faisabilité de brosser un portrait complet de la performance régionale des soins primaires.Méthode : L'étude de TRANSFORMATION a eu recours à des méthodes mixtes simultanées pour analyser les données d' enquête et les études de cas.Les données ont été recueillies en Colombie-Britannique, en Ontario et en Nouvelle-Écosse.Les scores du pilier des centres de médecine de famille (CMF) ont été obtenus en calculant les scores moyens cliniques dans toutes les régions.Les scores et les thèmes qualitatifs ont été comparés.Résultats : L'étude a porté sur 86 cliniques (n = 1 929 patients, n = 117 cliniciens).Les régions ont obtenu des résultats différents en matière d' orientation des CMF en ce qui concerne l'infrastructure, l' adaptabilité et la responsabilité communautaires, ainsi que les soins en partenariat avec le patient et la famille.Les résultats les plus bas des CMF pour toutes les régions ont été observés dans les soins connectés, les soins accessibles, les mesures, l' amélioration continue de la qualité et la recherche, ainsi que la formation, l'éducation et la formation professionnelle continue.Conclusions : Il est possible de produire un rapport de performance complet qui s' appuie sur plusieurs sources de données en soins primaires.Les portraits régionaux qui mettent en évidence bon nombre des piliers clés d' une approche des CMF en soins primaires montrent que, malgré les différences dans les contextes politiques, la réalisation d' un CMF reste insaisissable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil0,216

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,150
Tête enseignante GPT0,482
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetPrimary Care and Health OutcomesTravaux en français237 207