Planning the implementation of change based on collaborative care model evidence for people with common mental disorders and physical long-term conditions: a case example
Notice bibliographique
Résumé
Rationale, aims and objectives: There are many challenges to implementing the collaborative care model (CCM) for people with common mental disorders and physical long-term conditions in primary care settings. There is also a knowledge gap on how to implement change based on CCM evidence. This article aim to present a case example of a process to plan the implementation of change based on CCM evidence in primary care settings. Context of the case example: The process of planning the implementation of change was conducted during a multiple case study in three family medicine groups in Quebec, Canada. The pre-implementation steps of the Grol & Wensing implementation of change model were used to design the planning process. Process to plan the implementation of change: 1) review of the literature on the CCM, engaging stakeholders, development of data collection tools; 2) familiarization with actual collaborative care process and professional activities, assessment of the quality of activities with analysis tables; 3) identification of barriers and enablers to implement change, visualization of the results, prioritization of potential strategies with an advisory committee; 4) validation of results and assessment of practices, selection and development of strategies tailored to local needs. Various data sources have been used: feedback from managers, advisory committee and local working groups, interviews (n=32), observations (n=7), documents, and schemas. Conclusion: Planning the implementation of change based on CCM evidence helped select strategies tailored to local needs that might overcome determinants of change impacting the quality of activities and the team’s capacity to efficiently implement change.
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 | 0,001 | 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 ».