Co‐design of a nurse‐led model of care to increase access to medical abortion and contraception in rural and regional general practice: A protocol
Notice bibliographique
Résumé
PROBLEM: Women in rural and regional Australia experience a number of barriers to accessing sexual and reproductive health care including lack of local services, high costs and misinformation. SETTING: Nurse-led task-sharing models of care for provision of long-acting reversible contraception (LARC) and early medical abortion (EMA) are one strategy to reduce barriers and improve access to services but have yet to be developed in general practice. KEY MEASURES FOR IMPROVEMENT: Through a co-design process, we will develop a nurse-led model of care for LARC and EMA provision that can be delivered through face-to-face consultations or via telehealth in rural general practice in Australia. STRATEGIES FOR CHANGE: A co-design workshop, involving consumers, health professionals (particularly General Practitioners (GPs) and Practice Nurses (PNs)), GP managers and key stakeholders will be conducted to design nurse-led models of care for LARC and EMA including implant insertion by nurses. The workshop will be informed by the 'Experience-Based Co-Design' toolkit and involves participants mapping the patient journey for service provision to inform a new model of care. EFFECTS OF CHANGE: Recommendations from the workshop will inform a nurse-led model of care for LARC and EMA provision in rural general practice. The model will provide practical guidance for the set-up and delivery of services. LESSONS LEARNT: Nurses will work to their full scope of practice to increase accessibility of EMA and LARC in rural Australia.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».