The Yorkhill CHIRPP story: a qualitative evaluation of 10 years of injury surveillance at a Scottish children’s hospital
Notice bibliographique
Résumé
BACKGROUND: The Canadian Hospitals Injury Reporting and Prevention Program (CHIRPP) is an emergency department-based injury surveillance system that was devised in Canada and has been in operation since 1990. CHIRPP was imported to Glasgow's Royal Hospital for Sick Children at Yorkhill in 1996 and ran for 10 years. OBJECTIVE: To critically review CHIRPP at Yorkhill (Y-CHIRPP). The following two key questions were posed. (1) Did Y-CHIRPP fail, and, if so, why? (2) What generalisable lessons can be learned about injury surveillance? METHODS: A retrospective qualitative review of Y-CHIRPP was carried out. In gathering information, the aims were to: (a) describe the processes involved in running Y-CHIRPP; (b) identify changes made to that process over the 10 years; (c) determine the strengths and weaknesses of Y-CHIRPP. RESULTS: Taken together, and with reference to the WHO attributes of a good surveillance system, the findings suggest that Y-CHIRPP largely met the criteria of simplicity, flexibility, and acceptability. Criteria that were not, or only intermittently, met were reliability, utility, sustainability, and timeliness. CONCLUSIONS: Y-CHIRPP was, at best, a partial success. To maintain the viability of an injury surveillance system and to secure the long-term support of hospital staff, it is important that the system is perceived as an injury prevention service tool and not a research method. Experience with Y-CHIRPP suggests that injury surveillance requires three supporting posts: an emergency department staff member, a data analyst, and someone with responsibility for developing and/or lobbying for the implementation of preventive measures.
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 | 0,007 | 0,002 |
| 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 ».