MétaCan
Menu
Retour à la cohorte
Enregistrement W1985850255 · doi:10.1108/14777271211220853

State and federal legislative interests

2012· article· en· W1985850255 sur OpenAlexaff
David Birnbaum, Rachel L. Stricof

Notice bibliographique

RevueClinical Governance An International Journal · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)PublicityHealth careGovernment (linguistics)LegislaturePublic relationsPublic administrationLegislationPolitical sciencePoliticsState (computer science)Work (physics)NarrativeSociologyLawEngineeringSocial science

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to briefly describe the increasingly complex array of organizations influencing American healthcare‐associated infection (HAI) prevention efforts during the modern era of infection control. Design/methodology/approach This paper is a narrative review. Findings The modern era of hospital infection control began in the 1950s, but received relatively little publicity until the dawn of the twenty‐first century. Since then, there has been a wave of unprecedented magnitude in individual state legislation mandates followed by a shift from state to federal agency activity. The resulting programs are in varying stages of development, ability, sustainability, and coordination. Practical implications Many government and healthcare entities are in uncharted territory with this new area of activity, facing challenges in having to coordinate work with many new and unfamiliar partners. Perspectives explored in this part of the Universities Council Symposium help by mapping out the various stakeholders in order to foster a research agenda through better understanding of powerful political players and their influence. Originality/value This is one of the first efforts to describe and map the evolving range of state and federal forces influencing hospitals' efforts to prevent healthcare‐associated infections.

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)0,010
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,003
Communication savante0,0070,004
Science ouverte0,0010,004
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0300,004

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 Opus0,187
Tête enseignante GPT0,567
Écart entre enseignants0,380 · 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'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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Governance An International JournalMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207