MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413757613 · doi:10.1101/2025.08.25.25334389

Maintaining excellence in care coordination during the COVID-19 pandemic and beyond: a survey of multidisciplinary healthcare teams in Ontario, Canada

2025· preprint· en· W4413757613 sur OpenAlexaffabout
Donatus Mutasingwa, Joanne Permaul, Christopher Meaney, Jennifer Rayner, Stephen Marisette, Rahim Moineddin, Ross Upshur

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)ExcellenceMultidisciplinary approachPandemicHealth care2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Healthcare systemBusinessMedicinePolitical scienceVirologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Patients with comorbidities have been shown to experience increased vulnerability during the COVID-19 pandemic, and to suffer disruption in their care coordination; having a multidisciplinary team is a care coordination strategy that can improve outcomes. The aim of this study was to describe the perspectives of team leads on coordination practices at their multidisciplinary health team (MHT) prior to, and during the COVID-19 pandemic. Methods Using a cross-sectional survey design, the Medical Home Care Coordination Survey for healthcare teams was distributed by email to executive directors or physician leads at all MHTs in Ontario, Canada. The outcome measures included the eight domains of care coordination, and participants’ rating of care coordination in general. Results The response rate was 58/241 (24%); 70% (95% CI: 0.50, 0.76) of teams reported using a validated method to identify complex patients in need of care coordination. High ratings for most items in the domains of care coordination prior to COVID-19 were maintained during the pandemic. Improvements can be made in providing patients with a copy of their care plan, making peer support accessible, and ensuring the timely inclusion of discharge summaries in the primary care record. Most participants (72%) rated care coordination in general at their MHT as very good or excellent prior to the pandemic; this decreased to 59% during the pandemic (p=0.016; 95% CI: −0.048, 0.31). Discussion To improve care coordination beyond the pandemic, providers should consider increasing the use of validated tools to identify patients with complex needs, and incorporating peer support systems to enhance care coordination efforts.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,042
Score d'incertitude au seuil0,308

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,052
Tête enseignante GPT0,415
Écart entre enseignants0,363 · 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'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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetInterprofessional Education and Collaboration→Travaux en français237 207→