Quality priorities related to the management of type 2 diabetes in primary care: results from the COMPAS + quality improvement collaborative
Notice bibliographique
Résumé
BACKGROUND: This study aims to describe the main type 2 diabetes mellitus (T2DM) quality improvement (QI) challenges identified by primary care teams in the province of Quebec who participated in the COMPAS + QI collaborative. METHODS: A qualitative descriptive design was used to analyse the results of 8 COMPAS + workshops conducted in 4 regions of the province between 2016 and 2020. Deductive content analysis was performed to classify the reported QI priorities under the Consolidated Framework for Implementation Research domains; and proposed change strategies under the Behavior Change Wheel (BCW) intervention functions. RESULTS: A total of 177 participants attended the T2DM COMPAS + workshops. Three QI priorities were identified: (1) lack of coordination and integration of T2DM care and services; (2) lack of preventive services for pre-diabetes and T2DM; and (3) lack of integration of the patients-as-partners approach to support T2DM self-management. The proposed QI strategies to address those priorities were classified under the education, training, persuasion, habilitation and restructuring BCW intervention functions. CONCLUSION: This study provides insights on how QI collaboratives can support the identification of QI priorities and strategies to improve T2DM management in primary care.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».