MétaCan
Menu
Retour à la cohorte
Enregistrement W4295014542 · doi:10.1136/bmjopen-2022-061465

Understanding patient partnership in health systems: lessons from the Canadian patient partner survey

2022· article· en· W4295014542 sur OpenAlexafffundabout
Julia Abelson, Carolyn Canfield, Myles Leslie, Mary Anne Levasseur, Paula Rowland, Laura Tripp, Meredith Vanstone, Janelle Panday, David Cameron, Pierre‐Gerlier Forest, Daniel A. Sussman, Geoff Wilson

Notice bibliographique

RevueBMJ Open · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensNova Scotia Health AuthorityThe Wilson CentreUniversity of TorontoUniversity Health NetworkImpactUniversity of CalgaryMcMaster UniversityOntario Stroke NetworkUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineFeelingGeneral partnershipGovernment (linguistics)NursingPopulationPopulation healthPublic healthFamily medicinePsychologyEnvironmental healthSocial psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To examine the sociodemographic characteristics, activities, motivations, experiences, skills and challenges of patient partners working across multiple health system settings in Canada. DESIGN: Online cross-sectional survey of self-identified patient partners. SETTING: Patient partners in multiple jurisdictions and health system organisations. PARTICIPANTS: 603 patient partners who had drawn on their experiences with the health system as a patient, family member or informal caregiver to try to improve it in some way, through their involvement in the activities of a group, organisation or government. RESULTS: Survey respondents predominantly identified as female (76.6%), white (84%) and university educated (70.2%) but were a heterogeneous group in the scope (activities and organisations), intensity (number of hours) and longevity (number of years) of their role. Primary motivations for becoming a patient partner were the desire to improve the health system based on either a negative (36.2%) or positive (23.3%) experience. Respondents reported feeling enthusiastic (83.6%), valued (76.9%) and needed (63.3%) always or most of the time; just under half felt they had always or often been adequately compensated in their role. Knowledge of the health system and the organisation they partner with are key skills needed. Two-thirds faced barriers in their role with over half identifying power imbalances. Less than half were able to see how their input was reflected in decisions or changes always or most of the time, and 40.3% had thought about quitting. CONCLUSIONS: This survey is the first of its kind to examine at a population level, the characteristics, experiences and dynamics of a large sample of self-identified patient partners. Patient partners in this sample are a sociodemographically homogenous group, yet heterogeneous in the scope, intensity and longevity of roles. Our findings provide key insights at a critical time, to inform the future of patient partnership in health systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,000
Communication savante0,0000,000
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 Opus0,833
Tête enseignante GPT0,558
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

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

Citations80
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetMental Health and Patient InvolvementTravaux en français237 207