MétaCan
Menu
Retour à la cohorte
Enregistrement W2031644420 · doi:10.1207/s15328015tlm1203_2

The Collaborative Health Care Team: The Role of Individual and Group Expertise

2000· review· en· W2031644420 sur OpenAlexaff
Vimla L. Patel, Kayla N. Cytryn, Edward H. Shortliffe, Charles Safran

Notice bibliographique

RevueTeaching and Learning in Medicine · 2000
Typereview
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensMcGill University
Organismes subventionnairesAgency for Healthcare Research and Quality
Mots-clésCompetence (human resources)PsychologyHealth careTeam effectivenessTeamworkNursingTeam compositionCognitionMedical educationKnowledge managementMedicineSocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasing costs of health care and rapid knowledge growth have led to collaboration among health care professionals to share knowledge and skills. PURPOSES: To characterize the qualitative nature of team interaction and its relation to training health professionals, drawing on theoretical and analytical frameworks from the sociocognitive sciences. METHODS: Activities in a primary care unit were monitored using observational field notes, hospital documents, and audio recordings of interviews and clinical interactions. RESULTS: The demarcation of responsibilities and roles of personnel within the team became fuzzy in practice. Continuous care was provided by primary care providers and specialized care by intermittent consultants. The nature of individual expertise required was a function of the patient problem and the interaction goal. These team characteristics contributed to the reduction of unnecessary and redundant interactions. CONCLUSIONS: Distributed responsibilities allow the team to process massive amounts of patient information, reducing the cognitive load on individuals. The uniqueness of individual professional expertise as it contributes to the accomplishment of team goals is highlighted, suggesting emphasis on conceptual competence in the development of individual professional education programs.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,033
Tête enseignante GPT0,470
Écart entre enseignants0,437 · 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'étudeSans objet
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

Citations119
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTeaching and Learning in MedicineMême sujetInterprofessional Education and CollaborationTravaux en français237 207