MétaCan
Menu
Retour à la cohorte
Enregistrement W4401337604 · doi:10.1186/s12875-024-02520-3

Evolving through multiple, co-existing pressures to change: a case study of self-organization in primary care during the COVID-19 pandemic in Canada

2024· article· en· W4401337604 sur OpenAlexafffundabout
Patricia Thille, Anastasia Tobin, Jenna M. Evans, Alan Katz, Grant Russell

Notice bibliographique

RevueBMC Primary Care · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensManitoba HealthMcMaster UniversityUniversity of Manitoba
Organismes subventionnairesManitoba Medical Service Foundation
Mots-clésFieldnotesPsychologyRestructuringNursingPublic relationsMedicineSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Primary care is often described as slow to change. But conceptualized through complexity theory, primary care is continually changing in unpredictable, non-linear ways through self-organization processes. Self-organization has proven hard to study directly. We aimed to develop a methodology to study self-organization and describe how a primary care clinic self-organizes over time. METHODOLOGY: We completed a virtual case study of an urban primary care clinic from May-Nov 2021, applying methodological insights from actor-network theory to examine the complexity theory concept of self-organization. We chose to focus our attention on self-organization activities that alter organizational routines. Data included fieldnotes of observed team meetings, document collection, interviews with clinic members, and notes from brief weekly discussions to detect actions to change clinical and administrative routines. Adapting schema analysis, we described changes to different organizational routines chronologically, then explored intersecting changes. We sought feedback on results from the participating clinic. FINDINGS: Re-establishing equilibrium remained challenging well into the COVID-19 pandemic. The primary care clinic continued to self-organize in response to changing health policies, unintended consequences of earlier adaptations, staff changes, and clinical care initiatives. Physical space, technologies, external and internal policies, guidelines, and clinic members all influenced self-organization. Changing one created ripple effects, sometimes generating new, unanticipated problems. Member checking confirmed we captured most of the changes to organizational routines during the case study period. CONCLUSIONS: Through insights from actor-network theory, applied to studying actions taken that alter organizational routines, it is possible to operationalize the theoretical construct of self-organization. Our methodology illuminates the primary care clinic as a continually changing entity with co-existing and intersecting processes of self-organization in response to varied change pressures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

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

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 Opus0,068
Tête enseignante GPT0,415
Écart entre enseignants0,347 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Primary CareMême sujetInterprofessional Education and CollaborationTravaux en français237 207