“I don’t see the whole picture of their health”: a critical ethnography of constraints to interprofessional collaboration in end-of-life conversations in primary care
Notice bibliographique
Résumé
CONTEXT: Interprofessional collaboration is recommended in caring for frail older adults in primary care, yet little is known about how interprofessional teams approach end-of-life (EOL) conversations with these patients. OBJECTIVE: To understand the factors shaping nurses' and allied health clinicians' involvement, or lack of involvement in EOL conversations in the primary care of frail older adults. METHODS/SETTING: A critical ethnography of a large interprofessional urban Family Health Team in Ontario, Canada. Data production included observations of clinicians in their day-to-day activities excluding direct patient care; one-to-one semi-structured interviews with clinicians; and document review. Analysis involved coding data using an interprofessional collaboration framework as well as an analysis of the normative logics influencing practice. PARTICIPANTS: Interprofessional clinicians (n = 20) who cared for mildly to severely frail patients (Clinical Frailty Scale) at the Family Health Team. RESULTS: Findings suggest primary care nurses and allied health clinicians have the knowledge, skills, and inclination to engage frail older adults in EOL conversations. However, the culture of the clinic prioritizes biomedical care, and normalizes nurses and allied health clinicians providing episodic task-based care, which limits the possibility for these clinicians' engagement in EOL conversations. The barriers to nurses' and allied health clinicians' involvement in EOL conversations are rooted in neoliberal-biomedical ideologies that shapes the way primary care is governed and practiced. CONCLUSIONS: Our findings help to explain why taking an individual-level approach to addressing the challenge of delayed or avoided EOL conversations, is unlikely to result in practice change. Instead, primary care teams can work to critique and redevelop quality indicators and funding models in ways that promote meaningful interprofessional practice that recognize the expertise of nursing and allied health clinicians in providing high quality primary care to frail older patients, including EOL conversations.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».