Exploring quality improvement for diabetes care in First Nations communities in Canada: a multiple case study
Notice bibliographique
Résumé
BACKGROUND: Indigenous peoples in Canada experience higher rates of diabetes and worse outcomes than non-Indigenous populations in Canada. Strategies are needed to address underlying health inequities and improve access to quality diabetes care. As part of the national FORGE AHEAD Research Program, this study explores two primary healthcare teams' quality improvement (QI) process of developing and implementing strategies to improve the quality of diabetes care in First Nations communities in Canada. METHODS: This study utilized a community-based participatory and qualitative case study methodology. Multiple qualitative data sources were analyzed to understand: (1) how knowledge and information was used to inform the teams' QI process; (2) how the process was influenced by the context of primary care services within communities; and (3) the factors that supported or hindered their QI process. RESULTS: The findings of this study demonstrate how teams drew upon multiple sources of knowledge and information to inform their QI work, the importance of strengthening relationships and building relationships with the community, the influence of organizational support and capacity, and the key factors that facilitated QI efforts. CONCLUSIONS: This study contributes to the ongoing calls for research in understanding the process and factors affecting the implementation of QI strategies, particularly within Indigenous communities. The knowledge generated may help inform community action and the future development, implementation and scale-up of QI programs in Indigenous communities in Canada and globally.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,032 | 0,005 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».