Identifying strategies to support implementation of interprofessional primary care teams in Nova Scotia: Results of a survey and knowledge sharing event
Notice bibliographique
Résumé
Abstract Background Interprofessional primary care teams (IPCTs) work together to enhance care. Despite evidence on the benefits of IPCTs, implementation remains challenging. This research aims to 1) identify and prioritize barriers and enablers, and 2) co-develop team-level strategies to support IPCT implementation in Nova Scotia, Canada. Methods Healthcare providers and staff of IPCTs were invited to complete an online survey to identify barriers and enablers, and the degree to which each item impacted the functioning of their team. Top ranked items were identified using the sum of frequency x impact for each response. A virtual knowledge sharing event was held to identify strategies to address local barriers and enablers that impact team functioning. Results IPCT members (n = 117), with a mix of clinic roles and experience, completed the survey. The top three enablers identified were access to technological tools to support their role, standardized processes for using the technological tools, and having a team manager to coordinate collaboration. The top three barriers were limited opportunity for daily team communication, lack of conflict resolution strategies, and lack of capacity building opportunities. IPCT members, administrators, and patients attended the knowledge sharing event (n = 33). Five strategies were identified including: 1) balancing patient needs and provider scope of practice, 2) holding regular and accessible meetings, 3) supporting team development opportunities, 4) supporting professional development, and 5) supporting involvement in non-clinical activities. Interpretation This research contextualized evidence to further understand local perspectives and experiences of barriers and enablers to the implementation of IPCTs. The knowledge exchange event identified actionable strategies that IPCTs and healthcare administrators can tailor to support teams and care for patients.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».