MétaCan
Menu
Retour à la cohorte
Enregistrement W2087430748 · doi:10.1503/cjs.048409

Development of pediatric wait time access targets

2011· article· en· W2087430748 sur OpenAlexaffvenueabout
James G. Wright, Kayi Li, Cathy Seguin, Marilyn Booth, Peter L. Fitzgerald, Sarah Jones, Kellie K. Leitch, Baxter Willis

Notice bibliographique

RevueCanadian Journal of Surgery · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensChildren's Hospital of Eastern OntarioKingston General HospitalMcMaster Children's HospitalSickKids FoundationHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineReceiptPrioritizationMedical diagnosisMedical emergencyMEDLINEPediatric surgerySurgical proceduresSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The effective management of wait times is a top priority for Canadians. Attention to date has largely focused on wait times for adult surgery. The purpose of this study was to develop surgical wait time access targets for children. METHODS: Using nominal group techniques, expert panels reached consensus on prioritization levels for 574 diagnoses in 10 surgical disciplines for wait 1 (W1; time from primary care visit to surgical consultation) and wait 2 (W2; time from decision to operate to receipt of surgery). RESULTS: A 7-stage priority classification reflects the permissible timeframe for children to receive consultation (W1) or surgery (W2). Access targets by priority were linked to 574 diagnoses in 10 pediatric surgical subspecialties. CONCLUSION: The pediatric surgical wait time access targets are a standardized, comprehensive and consensus-based model that can be systematically applied to children's hospitals across Canada. Future research and evaluation on outcomes from this model will evaluate improved access to pediatric surgical care.

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)0,022
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,055
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,258
Tête enseignante GPT0,384
Écart entre enseignants0,126 · 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'étudeObservationnel
Domainenon disponible
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

Citations31
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of SurgeryMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207