MétaCan
Menu
← Retour à la cohorte
Enregistrement W6889038901 · doi:10.25384/sage.c.5029514

Improving the design of heart failure care from the perspective of frontline providers and administrators: A qualitative case study of a large, urban health system

2020· other· en· W6889038901 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2020
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth careQualitative researchPsychological interventionPerspective (graphical)Heart failurePopulationPerceptionChronic care

Résumé

récupéré en direct d'OpenAlex

Background:Heart failure patients often present with frailty and/or multi-morbidity, complicating care and service delivery. The Chronic Care Model (CCM) is a useful framework for designing care for complex patients. It assumes responsibility of several actors, including frontline providers and health-care administrators, in creating conditions for optimal chronic care management. This qualitative case study examines perceptions of care among providers and administrators in a large, urban health system in Canada, and how the CCM might inform redesign of care to improve health system functioning.Methods:Sixteen semi-structured interviews were conducted between August 2014 and January 2016. Interpretive analysis was conducted to identify how informants perceive care among this population and the extent to which the design of heart failure care aligns with elements of the CCM.Results:Current care approaches could better align with CCM elements. Key changes to improve health system functioning for complex heart failure patients that align with the CCM include closing knowledge gaps, standardizing treatment, improving interdisciplinary communication and improving patient care pathways following hospital discharge.Conclusions:The CCM can be used to guide health system design and interventions for frail and multi-morbid heart failure patients. Addressing care- and service-delivery barriers has important clinical, administrative and economic implications.

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)0,014
score de la tête « metaresearch » (Gemma)0,017
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,174

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0210,012
Communication savante0,0050,004
Science ouverte0,0020,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,086
Tête enseignante GPT0,392
Écart entre enseignants0,305 · 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
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals Data→Travaux en français237 207→