MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388719891 · doi:10.1370/afm.22.s1.5174

Facilitators and Challenges Emerging from Primary Care Teams’ Engagement in COVID-19 Vaccination Distribution in Ontario, Can

2023· article· en· W4388719891 sur OpenAlexaboutno aff
Rachelle Ashcroft, Simon Lam, Connor Kemp, Judith K. Brown

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)VaccinationFocus groupPrimary carePandemicDiversity (politics)NursingHealth careDistribution (mathematics)MedicineFamily medicineCoronavirus disease 2019 (COVID-19)PsychologyBusinessPolitical scienceGeographyDisease

Résumé

récupéré en direct d'OpenAlex

Context: Primary care has historically established itself as an important part of vaccinations efforts due to its successful delivery of flu and childhood immunisation programmes centred on counselling and strong infrastructure. An effective and efficient distribution of a vaccine was essential for the recovery from the COVID-19 pandemic. Although primary care teams contributed to all phases of the COVID-19 vaccination distribution, involvement of primary care teams in Ontario, Canada has been inconsistent. Criticisms have emerged regarding the limited utilization of the expertise primary care in informing and guiding implementation of vaccinations. An increased understanding of the role primary care teams had in the distribution of the COVID-19 vaccines in Ontario will help determine the unique experiences of interprofessional primary care providers. Objective: To identify facilitators and challenges of integrating COVID-19 vaccination in interprofessional primary health care teams across Ontario. Study Design: Descriptive, qualitative focus groups conducted with interprofessional primary care providers and staff in Ontario. Results: We conducted 8 focus groups with 39 participants representing geographic diversity across Ontario. Participants reflected a range of clinical, administrative, and leadership roles. Three themes were identified as facilitators: i) primary care knows patients; ii) team capacity for vaccination, iii) intersectoral collaborations, and three themes identified challenges including: i) operational challenges, ii) impact on routine patient care, and iii) primary care being overlooked. Participants noted the importance of supporting provider well-being during a busy period of managing competing health needs of patients. In addition, many primary care teams either strengthened existing partnerships or collaborated with new stakeholders which was seen as important to maintain after the COVID-19 vaccinations. Conclusions: Primary care teams played a crucial role in supporting COVID-19 vaccinations in Ontario. Future vaccination efforts will benefit from the inclusion and involvement of primary care from the beginning to guide decision-making, along with additional resourcing.

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)0,008
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,158
Score d'incertitude au seuil0,387

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0170,005
Communication savante0,0050,002
Science ouverte0,0020,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,046
Tête enseignante GPT0,305
Écart entre enseignants0,259 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→