Measuring person-centered integrated care for people living with mild to moderate chronic kidney disease and multimorbidity: a cross-sectional survey
Notice bibliographique
Résumé
Introduction Person-centered integrated care (PC-IC) has been shown to improve health outcomes for individuals with chronic conditions. However, there is limited evidence measuring PC-IC delivery to people with mild to moderate chronic kidney disease and co-morbidities. We aimed to assess PC-IC delivery for this population in Alberta, Canada. Methods We conducted a survey (May-December 2023) using the Rainbow Model of Integrated Care Measurement Tool via weblink or telephone to quantify PC-IC using a 5-point Likert agreement scale. Patients with chronic kidney disease (non-dialysis, non-transplant) and co-morbidities, caregivers, and health care providers in Alberta were invited to participate. Participants were recruited through various methods, including in-clinic posters and web-based posts. We assessed responses using descriptive and non-parametric analyses (e.g., Mann–Whitney U-test). Results Ninety-seven eligible individuals completed the survey; 24 patients, 12 caregivers, and 61 health care providers. Caregivers rated PC-IC significantly lower than patients (overall score: 3.36/5 and 3.91/5, respectively, p < 0.05) and health care providers rated PC-IC moderately (3.56/5). The lowest scored domain was care coordination amongst patients and caregivers (3.43/5 and 3/5, respectively, p < 0.05) and regional health care laws/regulations amongst health care providers (2.94/5). Conclusion Survey respondents recognized that the overall delivery of PC-IC is not optimal and identified key areas to address including improving care coordination (e.g., communication between providers) and tackling regional health care laws/regulations (e.g., funding models). Our study highlights the need for further exploration regarding why PC-IC is perceived as suboptimal, particularly among subgroups, and how it can be improved.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».