MétaCan
Menu
Retour à la cohorte
Enregistrement W1947015618 · doi:10.1002/jhm.2505

Incorporating metacognition into morbidity and mortality rounds: The next frontier in quality improvement

2015· review· en· W1947015618 sur OpenAlexaff
David R. Katz, Allan S. Detsky

Notice bibliographique

RevueJournal of Hospital Medicine · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensUniversity Health NetworkMount Sinai HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHeuristicsMetacognitionContext (archaeology)MedicineFrontierQuality managementCognitionPerspective (graphical)Quality (philosophy)Medical educationManagement scienceCognitive psychologyPsychologyComputer scienceArtificial intelligencePsychiatryOperations managementEpistemology

Résumé

récupéré en direct d'OpenAlex

This Perspective proposes the introduction of metacognition (thinking about thinking) into the existing format of hospital-based morbidity and mortality rounds. It is placed in the context of historical movements to advance quality improvement by expanding the spectrum of the causes of medical error from systems-based issues to flawed human decision-making capabilities. We suggest that the current approach that focuses on systems-based issues can be improved by exploiting the opportunities to educate physicians about predictable errors committed by reliance on cognitive heuristics. In addition, because the field of educating clinicians about cognitive heuristics has shown mixed results, this proposal represents fertile ground for further research. Educating clinicians about cognitive heuristics may improve metacognition and perhaps be the next frontier in quality 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)0,007
score de la tête « metaresearch » (Gemma)0,051
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
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 Opus0,150
Tête enseignante GPT0,454
Écart entre enseignants0,304 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital MedicineMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207