MétaCan
Menu
Retour à la cohorte
Enregistrement W4390945363 · doi:10.5334/ijic.icic23282

Workforce Capacity Building: Strategies for Interprofessional Education in Integrated Care

2023· article· en· W4390945363 sur OpenAlexaffabout
Sue Bookey‐Bassett, Sherry Espin

Notice bibliographique

RevueInternational Journal of Integrated Care · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésIntegrated careThematic analysisWorkforceHealth careNursingInterprofessional educationWorkforce developmentWork (physics)Medical educationQualitative researchPsychologyMedicineSociologyEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Introduction: Integrated health services are recommended as an approach to manage and deliver person-centred care across different sectors throughout a person's lifespan (WHO, 2015). Training future and current health care professionals to work in integrated care systems requires additional knowledge, skills, and competencies. Interprofessional education (IPE) is recommended as a critical strategy in preparing the healthcare workforce for more integrated service delivery models (Bookey-Bassett et al., 2022). However, it is unclear what strategies are being used to implement IPE to support the development of the current workforce for integrated care, in Ontario hospital to home programs. Methods: This study explored the perceptions and experiences of key informants regarding how IPE is utilized in training current healthcare professionals to work in hospital to home integrated care programs in Ontario, Canada. A qualitative descriptive design was utilized. Key informants included 15 leaders from 13 integrated care programs representing varied healthcare settings across the province. Individual interviews were conducted, audio-recorded, and transcribed. Data analysis followed a thematic analysis approach (Braun & Clarke, 2006). Findings were elucidated through the lens of the interprofessional learning continuum model (Institute of Medicine, 2015) and current competencies for integrated care (Langins and Borgermans, 2015). Key Findings: Thematic analysis revealed key themes reflecting participants’ understanding and experiences of IPE within their specific hospital to home integrated care programs; participants’ perceptions of informal and formal strategies to implement IPE within integrated care programs; current barriers and facilitators to implementing IPE in hospital to home integrated care programs; and recommendations for interprofessional and intersectoral collaboration to support workforce capacity and capability related to clinical and professional integration. Conclusions: As new models of hospital to home integrated care are rolled out, IPE should be incorporated as part of the implementation process. Further, IPE should be context specific and adapted to meet the changing needs of patient populations, changing roles of health care providers, and integrated care frameworks. Implications and next steps: Study findings provide important implications for health professions’ education including formal and informal continuing education. Findings are also relevant for leaders implementing integrated care programs across various practice settings. Next steps include consultation with practice partners and patient partners to co-design and pilot test an IPE intervention within a hospital to home integrated care program for surgical patients.

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)0,030
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0130,011
Communication savante0,0120,014
Science ouverte0,0050,038
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,039
Tête enseignante GPT0,451
Écart entre enseignants0,412 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Integrated CareMême sujetInterprofessional Education and CollaborationTravaux en français237 207