MétaCan
Menu
Retour à la cohorte
Enregistrement W4411535633 · doi:10.1017/s1463423625100170

Practical strategies for achieving system change in the US: lessons and insights from the CONQUEST quality improvement programme

2025· review· en· W4411535633 sur OpenAlexaff
Alexander Evans, Jill VanWyk, Margee Kerr, Amy Couper, Wilson D. Pace, Yasir Tarabichi, Rachel Pullen, Michael Pollack, Michael Drummond, Jill Ohar, Catherine A. Meldrum, MeiLan K Han, Alan Kaplan, Tonya Winders, Juan P. Wisnivesky, Barry J. Make, Alex D. Federman, Victoria Carter, Katie Lang, Douglas W. Mapel, Nicola A. Hanania, Daiana Stolz, Fernando J. Martínez, David Price

Notice bibliographique

RevuePrimary Health Care Research & Development · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAstraZeneca
Mots-clésProcess managementContext (archaeology)Quality managementAccountabilityHealth careQuality (philosophy)Identification (biology)BusinessMedicineComputer scienceOperations managementManagement systemEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Quality improvement programmes (QIPs) are designed to enhance patient outcomes by systematically introducing evidence-based clinical practices. The CONQUEST QIP focuses on improving the identification and management of patients with COPD in primary care. The process of developing CONQUEST, recruiting, preparing systems for participation, and implementing the QIP across three integrated healthcare systems (IHSs) is examined to identify and share lessons learned. APPROACH AND DEVELOPMENT: This review is organized into three stages: 1) development, 2) preparing IHSs for implementation, and 3) implementation. In each stage, key steps are described with the lessons learned and how they can inform others interested in developing QIPs designed to improve the care of patients with chronic conditions in primary care.Stage 1 was establishing and working with steering committees to develop the QIP Quality Standards, define the target patient population, assess current management practices, and create a global operational protocol. Additionally, potential IHSs were assessed for feasibility of QIP integration into primary care practices. Factors assessed included a review of technological infrastructure, QI experience, and capacity for effective implementation.Stage 2 was preparation for implementation. Key was enlisting clinical champions to advocate for the QIP, secure participation in primary care, and establish effective communication channels. Preparation for implementation required obtaining IHS approvals, ensuring Health Insurance Portability and Accountability Act compliance, and devising operational strategies for patient outreach and clinical decision support delivery.Stage 3 was developing three IHS implementation models. With insight into the local context from local clinicians, implementation models were adapted to work with the resources and capacity of the IHSs while ensuring the delivery of essential elements of the programme. CONCLUSION: Developing and launching a QIP programme across primary care practices requires extensive groundwork, preparation, and committed local champions to assist in building an adaptable environment that encourages open communication and is receptive to feedback.

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)0,033
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0330,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,003
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 Opus0,809
Tête enseignante GPT0,739
Écart entre enseignants0,070 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePrimary Health Care Research & DevelopmentMême sujetHealth Policy Implementation ScienceTravaux en français237 207