The influence of primary care clinic characteristics on the quality of care for depression in patients with different comorbidity profiles

Dans les services de première ligne, la majorité des personnes atteintes de dépression souffrent également d’autres maladies chroniques comorbides. Offrir des soins de haute qualité à ces patients représente un défi important pour les intervenants en première ligne ainsi que pour le système de santé. Il y a des raisons de croire que les contextes organisationnels dans lesquels les intervenants pratiquent ont une influence importante sur les soins. Cependant, peu d’études ont examiné directement la façon dont les caractéristiques des cliniques facilitent ou entravent les soins offerts aux patients atteints de dépression et de différents types de maladies chroniques comorbides. L’objectif général de ce projet de recherche était donc de mieux comprendre comment différentes caractéristiques des cliniques de première ligne influencent la qualité des soins pour la dépression chez des patients ayant différents profils de comorbidité. La thèse comporte deux études. Tout d'abord, nous avons effectué une revue systématique examinant les relations entre la comorbidité physique chronique et la qualité des soins pour la dépression dans les services de première ligne afin de clarifier la nature de ces relations et d’identifier les facteurs qui pourraient influer sur ces relations. Ensuite, nous avons effectué une étude aux méthodes mixtes ayant deux volets : (a) un volet quantitatif examinant les relations entre la qualité des soins pour la dépression, les profils de comorbidité des patients, et les caractéristiques des cliniques de première ligne par le biais d’analyses de régression multiniveaux de données issues de deux enquêtes, et (b) un volet qualitatif basé sur une étude de cas explorant les perceptions des professionnels des services de première ligne sur les facteurs organisationnels pouvant influencer la qualité des soins offerts aux patients souffrant de dépression et d’autres maladies chroniques comorbides. Les résultats de ces études ont montré que, bien que la qualité des soins de la dépression en soins primaires soit sous-optimale, certains sous-groupes de patients dépressifs sont plus à risque que d’autres de recevoir des soins pour la dépression inadéquats, notamment des patients ayant uniquement des comorbidités chroniques physiques. Cependant, plusieurs caractéristiques des cliniques de première ligne semblent faciliter l’offre de soins de qualité aux patients atteints de dépression et de maladies chroniques comorbides : les normes et les valeurs liées au travail d'équipe et le soutien mutuel, l'accès au soutien des professionnels ayant une expertise en santé mentale, l’utilisation des algorithmes de traitement et d’autres outils d’aide à la décision pour la dépression, et l’absence d’obstacles liés aux modèles de rémunération inadéquats. Une des façons dont ces caractéristiques favorisent la qualité est en facilitant la circulation des connaissances dans les cliniques de première ligne. Nos résultats suggèrent que des interventions organisationnelles ciblées sont nécessaires pour améliorer la qualité des soins pour la dépression que reçoivent les patients ayant des maladies chroniques comorbides. Ces interventions peuvent viser différents domaines organisationnels (ex : caractéristiques structurelles/stratégiques, sociales, technologies et épistémiques) mais doivent aussi prendre en compte comment les éléments de chaque domaine interagissent et comment ils pourraient influencer les soins pour des patients ayant des profils de comorbidité différents.

Spectrum simulation of rough and nanostructured targets from their 2D and 3D image by Monte Carlo methods

Corteo is a program that implements Monte Carlo (MC) method to simulate ion beam analysis (IBA) spectra of several techniques by following the ions trajectory until a sufficiently large fraction of them reach the detector to generate a spectrum. Hence, it fully accounts for effects such as multiple scattering (MS). Here, a version of Corteo is presented where the target can be a 2D or 3D image. This image can be derived from micrographs where the different compounds are identified, therefore bringing extra information into the solution of an IBA spectrum, and potentially significantly constraining the solution. The image intrinsically includes many details such as the actual surface or interfacial roughness, or actual nanostructures shape and distribution. This can for example lead to the unambiguous identification of structures stoichiometry in a layer, or at least to better constraints on their composition. Because MC computes in details the trajectory of the ions, it simulates accurately many of its aspects such as ions coming back into the target after leaving it (re-entry), as well as going through a variety of nanostructures shapes and orientations. We show how, for example, as the ions angle of incidence becomes shallower than the inclination distribution of a rough surface, this process tends to make the effective roughness smaller in a comparable 1D simulation (i.e. narrower thickness distribution in a comparable slab simulation). Also, in ordered nanostructures, target re-entry can lead to replications of a peak in a spectrum. In addition, bitmap description of the target can be used to simulate depth profiles such as those resulting from ion implantation, diffusion, and intermixing. Other improvements to Corteo include the possibility to interpolate the cross-section in angle-energy tables, and the generation of energy-depth maps.