MétaCan
Menu
Retour à la cohorte
Enregistrement W4390957058 · doi:10.5334/ijic.icic23578

East Toronto Health Partners: Collaborating on Quality Improvement

2023· article· en· W4390957058 sur OpenAlexaffabout
Margery Konan, Rishma Pradhan, Catherine Yu, Kathleen M. Foley, Laurie Bourne, Lori Sutton, Anne Wojtak, Razia Rashed, Mohammad Shabani

Notice bibliographique

RevueInternational Journal of Integrated Care · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensToronto Public Health
Organismes subventionnairesnon disponible
Mots-clésHealth carePublic relationsContext (archaeology)Quality managementNursingPopulation healthMedicinePopulationBusinessPolitical sciencePublic healthMarketingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Developing a shared quality agenda has led to a new focus on population health within our community in East Toronto, Ontario, Canada. Amidst pandemic recovery, community members often struggle to access care. Health care organizations are challenged to support patient flow and mental health needs, and to catch up on preventative care and chronic disease management that was delayed due to reduced in-person care. One might think that these pressures would sideline quality improvement (QI) work, however we’ve seen new energy generated by QI capacity-building and application of rapid learning cycles to address our shared challenges. Ontario Health Team context An Ontario Health Team is “a group of collaborative partners (organizations and individuals who offer health services, social services, and other health-relevant activities) brought together under a collaborative governance framework… to work with, and be accountable for, the health and wellbeing of a well-defined Attributed Population.” This context generates motivation for organizations and stakeholders to work closely on quality initiatives. Quality improvement activities form part of a larger rapid-learning health system strategy that includes program evaluation, evidence-based best practices in frontline care, and business intelligence efforts. Approaches within our QI Collaboration -Collecting and sharing patient experience measures as part of Best Practice Guideline implementation for Person & Family-Centred Care; -Strengthening involvement of community members; co-creating our 2022 collaborative Quality Improvement Plan with diverse partners; -Accessing and reflecting on baseline data for our defined population, and building capacity for local analytics. Together with other Ontario Health Teams, we have outlined requirements for data and tools to support population health management; -Focusing on priority neighbourhoods to improve health equity; and building QI capacity with teams of Community Health Ambassadors within those neighbourhoods. Key Learnings Patient Experience: We grounded our work in person- and family-centred care; respecting the voices of patients and caregivers in reporting their level of involvement in care plans and treatment. Collaboration among partners uncovered examples of best practice in patient experience data collection and moved us toward data collection as an integrated system of care (beyond surveys conducted within individual organizations). Patient Flow: Our collaboration led us to focus “upstream,” and to strengthen our ability to identify unmet needs for clients in community settings. A strengths-based assessment across collaborating organizations helped to increase awareness of diverse assets within our community and examples of leadership in Seniors-Friendly Care. We are launching transdisciplinary teams dedicated to responsive support for transitions in care. Preventative Care: An equity approach was key. In addition to primary care practice-based improvement initiatives (e.g. cancer screening) we prioritized efforts to reach vulnerable groups, such as individuals without a family doctor, and those with barriers to navigating health services in English. Rapid-cycle improvement and evaluation plans (co-designed with community members) are helping to ensure that service offerings are addressing the needs of the community. RESULT: The East Toronto Health Partners’ collaborative Quality Improvement work has helped our Ontario Health Team to align and integrate work across multiple organizations – building our capabilities for proactive population health management.

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)0,061
score de la tête « metaresearch » (Gemma)0,064
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,315
Score d'incertitude au seuil0,634

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,064
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0090,007
Communication savante0,0120,006
Science ouverte0,0040,014
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0480,010

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 Opus0,092
Tête enseignante GPT0,516
Écart entre enseignants0,424 · 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
GenreAutre

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'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Integrated CareMême sujetPrimary Care and Health OutcomesTravaux en français237 207