MétaCan
Menu
Retour à la cohorte
Enregistrement W1987070476 · doi:10.1057/palgrave.jors.2601894

Incorporating operations research techniques to evaluate information systems impact on healthcare

2004· article· en· W1987070476 sur OpenAlexaffabout
Kevin J. Leonard, Jia Lu Lilian Lin, Sandra Dalziel, Rye Yern Yap, David R. Adams

Notice bibliographique

RevueJournal of the Operational Research Society · 2004
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensCanadian Hospice Palliative Care AssociationHome and Community Care Support ServicesStatistics CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInformation systemHealth careInformation technologyComputer scienceProject managementOperations researchInformation and Communications TechnologyScheduling (production processes)PurchasingHealthcare systemManagement scienceRisk analysis (engineering)Operations managementSystems engineeringBusinessEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Over the past 4 years, the Hospice Palliative Care Network Project, co-led by the Temmy Latner Centre for Palliative Care, Mount Sinai Hospital, and the Toronto Community Care Access Centre, has been working toward developing an innovative model of home palliative care coordination and service delivery. After a successful completion of stage one involving data collection of approximately 400 variables to a common Linux database repository, the current stage of the Project is to compare various modes of care delivery and disseminate the results to internal and external evaluation stakeholders. The Temmy Latner Centre's customized Panacea Information Management System (PIMS) had been linked to the Linux repository in order to customize reports to determine the optimal model of coordination and service delivery that could serve as a template for home palliative care delivery in Ontario. The objective of this paper is to outline the development and functionality of the PIMS and to evaluate its contribution in terms of improved data quality and health outcomes; in other words, to justify the information systems investment by demonstrating the relationship between this investment and improved health system delivery and effectiveness.

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)0,012
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,000
Communication savante0,0020,004
Science ouverte0,0010,000
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 Opus0,246
Tête enseignante GPT0,484
Écart entre enseignants0,238 · 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'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

Citations5
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Operational Research SocietyMême sujetBig Data and Business IntelligenceTravaux en français237 207