Are We Afraid to Use Regulatory and Policy Levers More Aggressively to Optimize Patient Safety?
Notice bibliographique
Résumé
COMMENTARY ContextHealthcare is a very labour-intensive process.The performance, individually and collectively, of a diverse array of healthcare workers has profound implications for the safety of care provided to patients and clients.It is worthwhile to consider how effectively we have used regulatory and policy levers over the past 10 years to assure optimally safe performance by the entire healthcare workforce.In any consideration of human performance, it is important to differentiate between human capacity to perform at a high level and the consistency of actual human actions on a day-today basis.It is important to remain ever mindful of the factors that influence performance capacity and those that influence workplace actions.In 1990, George Miller published in Academic Medicine, an article that described four facets of professional expertise and visually depicted these facets as layers of a pyramid (Miller 1990).In Miller's Pyramid, "knows" forms the base, followed sequentially by "knows how," "shows how" and "does."Although Miller applied this construct to professionals, I believe it is applicable to all workers.Patient safety is compromised when there is a gap between worker capacity to perform safely (know how) and actual worker performance (does).Both regulatory and policy levers can narrow that gap if they are applied effectively.Historically, we have applied regulatory and policy levers quite differently to professional workers as opposed to non-professional workers.We have also applied these levers differently to healthcare
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,074 | 0,161 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,051 |
| Communication savante | 0,034 | 0,047 |
| Science ouverte | 0,007 | 0,013 |
| Intégrité de la recherche | 0,038 | 0,064 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».