MétaCan
Menu
Retour à la cohorte
Enregistrement W4411179273 · doi:10.1111/jep.70144

Addressing Changing Healthcare Needs: A Realist‐Inspired Review of Innovative Rehabilitation Care Models

2025· review· en· W4411179273 sur OpenAlexaffabout
Catherine M. Giroux, Damien Contandriopoulos, André Bussières, Sara Ahmed, Lori Letts, Jill Boruff, Lisa Starr, Aliki Thomas

Notice bibliographique

RevueJournal of Evaluation in Clinical Practice · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster UniversityUniversité du Québec à Trois-RivièresMcGill UniversityUniversity of VictoriaCentre for Interdisciplinary Research in RehabilitationMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésRehabilitationHealth careNursingMedicinePhysical therapyPolitical science

Résumé

récupéré en direct d'OpenAlex

RATIONALE/OBJECTIVES: Canadian healthcare is facing an aging population, an increasing prevalence of chronic disease and related disability, and rising healthcare costs. Integrating innovative rehabilitation models of care may help bolster health systems by shifting to a longer-term approach to addressing health and wellbeing. However, little is known about how these care models may look and what is needed to ensure their effective operationalization in practice. METHODS: This realist-inspired narrative review explored how, when, and in what circumstances innovative models of care have been successfully implemented and sustained in rehabilitation. The peer-reviewed and grey literature was searched and subsequently screened by title, abstract, and full text. Data extracted from included articles focused on identifying contexts, mechanisms, and outcomes. A numerical analysis of quantitative data and a conventional content analysis of qualitative abstractions was conducted. RESULTS: Twenty-six documents published between 2014 and 2021 were uncovered predominantly from Australia and Canada. Overall, for new care models to be successfully implemented and sustained, they need to: (1) have clearly articulated goals, (2) have access to short- and long-term funding, (3) align with key legislative changes to optimise buy-in, (4) take a multidisciplinary approach that is supported by management, and (5) include educational and outreach strategies that can be implemented amongst all interested parties. CONCLUSIONS: The heterogeneity of studies and limitations in their reporting precluded the identification of context-mechanism-outcome configurations typically found in realist reviews. Future implementation research should draw on relevant reporting guidelines to report their findings.

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)0,043
score de la tête « metaresearch » (Gemma)0,098
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,098
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0120,014
Études des sciences et des technologies0,0020,004
Communication savante0,0090,006
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,892
Tête enseignante GPT0,805
Écart entre enseignants0,087 · 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
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Evaluation in Clinical PracticeMême sujetHealth Policy Implementation ScienceTravaux en français237 207