MétaCan
Menu
Retour à la cohorte
Enregistrement W2066465191 · doi:10.12927/hcq.2011.22539

Reflections on Knowledge Translation in Canadian NICUs Using tahe EPIQ Method

2011· article· en· W2066465191 sur OpenAlexafffundabout
Catherine Cronin, Graham Baker, Shoo Lee, Arne Ohlsson, Douglas McMillan, Mary Seshia

Notice bibliographique

RevueHealthcare Quarterly · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésQuality managementNeonatal intensive care unitCredibilityQuality (philosophy)MedicineIntensive careNursingBest practiceMedical educationOperations managementIntensive care medicinePediatricsPolitical science

Résumé

récupéré en direct d'OpenAlex

The Canadian Neonatal Network conducted a trial of Evidence-Based Practice for Improving Quality (EPIQ) between 2002 and 2005. Improved neonatal intensive care unit (NICU) outcomes established credibility for quality improvement. We surveyed team members and physician leaders to examine critical success factors and barriers to improvement during EPIQ. Respondents agreed that EPIQ had a high utility, was effectively implemented and was a major learning opportunity. The collaborative nature of the project was key to success. Respondents identified the need for additional training and resources in quality improvement. Better communication between clinicians and senior leaders is required to support quality improvement in NICUs.

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)0,167
score de la tête « metaresearch » (Gemma)0,246
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,881

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1670,246
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0200,012
Communication savante0,0100,005
Science ouverte0,0050,013
Intégrité de la recherche0,0050,012
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,581
Tête enseignante GPT0,613
Écart entre enseignants0,033 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations14
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetHealth Sciences Research and EducationTravaux en français237 207