Barriers and enablers to implementing Interprofessional Collaborative Teams in Primary Care: A narrative review of the literature using the Consolidated Framework for Implementation Research
Notice bibliographique
Résumé
Abstract Background Interprofessional collaborative teams (teams) have been introduced across Canada to improve access to and quality of primary care. However, the quality and speed of team implementation has been challenging and has not kept pace with increasing access issues. The aim of this research was to use an implementation framework to categorize and describe barriers and enablers to team implementation in primary care. Methods A narrative review that prioritized systematic reviews and evidence syntheseswas conducted. A search using pre-defined terms was conducted using Ovid MEDLINE, and potentially relevant grey literature was identified through ad hoc Google searches and hand searching of health organization websites. The Consolidated Framework for Implementation Research (CFIR) was used to categorize barriers and enablers into five domains: (1) Features of Team Implementation; (2) Government, Health Authorities and Health Organizations; (3) Characteristics of the Team; (4) Characteristics of Team Members; and (5) Process ofImplementation. Results Data were extracted from 19 of 435 articles that met inclusion/exclusion criteria. Most barriers and enablers were categorized into two domains of the CFIR: Characteristics of the Team and Government, Health Authorities, and Health Organizations. Key themes identified within the Characteristics of the Team domain were team-leadership, including designating a manager responsible for day-to-day activities and facilitating collaboration; clear governance structures, technology supports and tools that facilitate information sharing and communication; and a combination of formal and informal methods of communication. Key themes within the Government, Health Authorities, and Health Organizations domain were professional remuneration plans, regulatory policy, and interprofessional education that encourage and incorporate interprofessional competencies and values. Conclusions Barriers and enablers to implementing teams using the CFIR were identified, which enables stakeholders and teams to tailor implementation of teams at the local level to impact the accessibility and quality of primary care.
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 | 0,072 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,018 | 0,020 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 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 ».