MétaCan
Menu
Retour à la cohorte
Enregistrement W1484038162

UPDATE: Consistency of Home Care Personnel Under Managed Competition: A Case Study from Ontario (Shortened Version Presented at the Knowledge to Wisdom Conference)

2002· preprint· en· W1484038162 sur OpenAlexaboutno aff
Christel A. Woodward, Judy Brown, Julia Abelson, Brian Hutchison

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2002
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueHealthcare innovation and challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConsistency (knowledge bases)Service providerBusinessNursingService (business)Service delivery frameworkMedicinePublic relationsMarketingComputer sciencePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Measuring Consistency of Personnel in Home care: Current Challenges and Findings Consistency of personnel is important to ensuring continuity of care for home care clients. It is particularly important to those clients who are at high risk for adverse effects when provider changes occur. Information about the extent to which clients experience consistency of personnel is difficult to collect in Ontario. It resides with individual provider agencies rather than with the Community Care Access Centres (CCACs) that arrange service delivery. We will present findings from the Continuity of Care in Home Care study which obtained information directly from service provider agencies on the number of providers that 500 CCAC clients saw. These clients received either nursing or homemaking services or both. Factors linked with the mean number of providers experienced by a client and with the total number of providers experienced by a client during up to a year of service delivery will be highlighted. Factors affecting the frequency of provider changes will be discussed along with the implications of our findings for clients, service providers, agencies and policy makers.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,292

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,012
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,004

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 Opus0,118
Tête enseignante GPT0,380
Écart entre enseignants0,262 · 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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetHealthcare innovation and challengesTravaux en français237 207