Clinical and Education Workload Measurements Using Personal Digital Assistant–Based Software
Notice bibliographique
Résumé
OBJECTIVE: There are no accepted and practical measures of the relative clinical and educational activities of pediatricians who work in an academic health science center. Such measures are necessary for justification of existing and future human resource plans and evaluation of the activities and performance of physicians. The limited literature on the measurement of physician workload usually focuses on a specific subspecialty group and does not account for such issues as indirect patient care, such as telephone calls or e-mail consultations; variables that affect the delivery of clinical care, including patient acuity and complexity; and the presence of students during the patient care activities. After completing a pilot study that assessed the educational workload of faculty members, we adapted existing personal digital assistant technology and software to document clinical and educational activities. METHODS: Twenty full-time physicians from 4 subspecialty pediatric divisions participated in a 2-week evaluation project in May through June 2005. Clinical activities, with and without trainees, and educational activities were collected with the use of personal digital assistants. Software allowed an individualized division-specific drop-down menu. Information that was collected included clinical (location of activity, diagnosis, and time requirement) and educational activities. After completion of a 2-week data collection period, each physician was asked to complete a 5-question evaluation form. RESULTS: The project was completed successfully with capture of additional clinical and educational activities. A 5-question evaluation form was completed by 70% of the participants at the end of the 2-week data collection. Data on clinical and educational activities were analyzed qualitatively and graphed. CONCLUSIONS: This method of workload data collection added significant information in capturing activities that are not measured in traditional workload evaluations for either clinical activities, such as e-mail, telephone, and patient information review, or educational endeavors, including mentoring and educational lectures and presentations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».