MétaCan
Menu
Retour à la cohorte
Enregistrement W1517841986 · doi:10.5772/31687

Health Care Under the Influence: Substance Use Disorders in the Health Professions

2012· book-chapter· en· W1517841986 sur OpenAlexaff
Diane Kunyk, Charl Els

Notice bibliographique

RevueInTech eBooks · 2012
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHealth careSubstance abuseMedicineVulnerability (computing)Mental healthNursingPsychiatryPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Substance use disorders are expressed within most age, economic, cultural, gender, and occupational groupings. They come to expression in individuals who may be considered vulnerable on biological, psychological, social, family, or spiritual levels. As with other mental disorders, vulnerability differs between individuals with both nature and nurture influencing their risk. Some health care professionals will also develop these chronic disorders regardless of any special knowledge or experience they may have. When substance use disorders are expressed within the health care professions, the delivery of safe, competent, compassionate, and ethical care is threatened. The health of the health care professional is also at risk as the substance use disorders typically progress in severity and may result in premature death. This is often a sensitive issue to address yet its importance demands the concerted attention of the health care professions. The following chapter begins with background on the issue of substance use disorders within the health care professions, followed by a discussion of mitigating associated risks, and an exploration of disciplinary and alternative to discipline policies. This chapter is focused primarily on literature on physicians and nurses because of the predominance of research in these disciplines. The argument will be made that creating conditions that encourage early identification, reduce barriers to treatment, and that include long-term monitoring programs provide the best conditions for ameliorating the risks resulting from substance use disorders amongst the health care professions to patient safety and health care professional health.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,333
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207