MétaCan
Menu
Retour à la cohorte
Enregistrement W1945471947 · doi:10.1002/j.0022-0337.2002.66.4.tb03535.x

Quality Assurance and Risk Management: A Survey of Dental Schools and Recommendations for Integrated Program Management

2002· article· en· W1945471947 sur OpenAlexaboutno aff
Richard Fredekind, Eve Cuny, Nader Nadershahi

Notice bibliographique

RevueJournal of Dental Education · 2002
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality assuranceQuality managementRisk managementQuality (philosophy)Medical educationBusinessProcess managementMedicineOperations managementManagement systemEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

Quality assurance (QA) and risk management (RM) programs are intended to improve patient care, meet accreditation standards, and ensure compliance with liability insurance policies. The purpose of this project was to obtain and disseminate information on whether dental schools integrate QA and RM and what mechanisms have been most effective in measuring accomplishments in these programs. All sixty-five U.S. and Canadian dental schools were sent a twenty-nine-item survey, and forty-six (71 percent) schools responded. The main findings are as follows: 66 percent had a written QA program combined with a QA committee; 95 percent received administrative support; there was wide variation in the makeup of the QA committee; many institutions reported significant changes resulting from the QA program; and over half of the respondents merged QA and RM in some fashion. To develop or maintain an effective QA/RM program, the authors propose the following: obtain active support from the dean; develop goals and mission/vision statements; include trained personnel on the committee; establish wide levels of involvement in the QA program; develop QA measurements to ensure compliance with institutionally developed standards of patient care; and establish continuous cycles of improvement.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,261
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,097
Tête enseignante GPT0,496
Écart entre enseignants0,399 · 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'étudeObservationnel
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

Citations10
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dental EducationMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207