The Brilliance Project: trying to understand great performance in the health service
Notice bibliographique
Résumé
The motivation behind having brilliance as a focus for\na project in healthcare is about trying to understand\nit, and from that, trying to find ways of spreading\nsuch understanding widely so that brilliance is more\npervasive in health services. One member of the team\ncommented that they had been referred to as running a\nbrilliant team, and responded 'that if that was the case,\nhow bad must the rest have been?' Sometimes it is not\neasy to see brilliance in what we do, let alone measure\nit, but on reflection we can remember times when the\nteamwork was just right, although we did not know it at\nthe time, but now see it as having been a special time.\nHugh B MacLeod of the Canadian Patient Safety Institute\n(CPSI) has been pivotal in inspiring this work, and some\nof his input is outlined. This paper describes more of\nthe background and motivation behind the project as\nwell as some of the potential ways in which the Health\nManagement Research Alliance (HMRA) is investigating\nand going about this project.\nAbbreviations: AI – Appreciative Inquiry; B – Based;\nCPSI – Canadian Patient Safety Institute; E-BM – Evidencebased\nMedicine; GBS – Griffith Business School;\nHMRA – Health Management Research Alliance;\nHRT – Health Results Team; JHHS – Johns Hopkins Health\nSystem; NHS– National Health Service; PGPI – Press\nGaney Priority Index; QI – Quality Improvement;\nSHAPE – Society for Health Administration Programs\nin Education; UNE – University of New England;\nUTS – University of Technology Sydney.\nKey Words: brilliance; brilliant performance; quality\nimprovement; patient safety.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».