MétaCan
Menu
Retour à la cohorte
Enregistrement W4308957115 · doi:10.1071/py21293

Enhancing interprofessional practice through the co-design of a holistic culturally and developmentally informed First Nations child health assessment

2022· article· en· W4308957115 sur OpenAlexaboutno aff
Natasha Reid, Wei Liu, Shirley Morrissey, Marjad Page, Theresa McDonald, Erinn Hawkins, Andrew Wood, Michelle Parker-Tomlin, Grace Myatt, Heidi Webster, Bridget Greathead, Doug Shelton, Sarah Horton, Mary Katsikitis, Dianne C. Shanley

Notice bibliographique

RevueAustralian Journal of Primary Health · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipThematic analysisPopulation healthMedicineNursingHealth careMedical educationCommunity healthQualitative researchPublic healthSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This qualitative study explored staff experiences of co-designing and implementing a novel interprofessional (IP) First Nations child health assessment (the helpful check), developed in partnership with a remote North-Queensland Aboriginal CommunityControlled Health Organisation. METHOD: Eleven staff across two teams (family health and allied health) were involved in co-designing and implementing the child health assessment and associated IP practices. Interviews were undertaken using a semi-structured interview template and were audio recorded and transcribed verbatim. Data were analysed using thematic analysis. RESULTS: Three overarching themes were developed: (1) connect teams by building strong relationships; (2) leave space for helpful check processes to evolve; and (3) integrate helpful check processes into routine practice to sustain change. CONCLUSIONS: Results demonstrate how the incorporation of IP practices into a remote primary healthcare setting led to perceived benefits for both the health service staff and clients.

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)0,032
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,007
Communication savante0,0050,003
Science ouverte0,0020,012
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,360
Tête enseignante GPT0,615
Écart entre enseignants0,255 · 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'étudeQualitatif
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Primary HealthMême sujetHealth Policy Implementation ScienceTravaux en français237 207