MétaCan
Menu
Retour à la cohorte
Enregistrement W2088464282 · doi:10.12927/hcpap.2013.23346

Doing the Dance of Culture Change: Complexity, Evidence and Leadership

2013· letter· en· W2088464282 sur OpenAlexaffvenue
Allan Best, Jessie E. Saul, Cameron D. Willis

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2013
Typeletter
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensVancouver Coastal Health Research InstituteVancouver Coastal Health
Organismes subventionnairesnon disponible
Mots-clésOrchestrationComplex adaptive systemContext (archaeology)Systems thinkingDanceCulture changeKnowledge managementPublic relationsHealth careSociologyOrganizational culturePsychologyPolitical scienceComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

The challenge of culture change in hospitals must address three distinct but interwoven tensions: the need to shift paradigm and understand healthcare as a complex adaptive system; the challenge of knitting together the contributions of both evidence-based medicine and practice-based evidence; and the critical role of distributed, problem-focused leadership.The authors of the lead paper highlight five key issues in addressing this challenge: (1) the implementation of strategies like front-line ownership (FLO) in the context of macro-level social forces; (2) the central role of distributed leadership and its strengthening within the organization; (3) the need to attend to developing systems thinking skills at all levels; (4) the very significant challenge of how to scale up the labour-intensive change strategies within FLO, the role of "simple rules" and the potential for systems thinking tools such as concept mapping and dynamic modelling; and (5) the concurrent orchestration of not one culture change but three tensions in the challenge FLO represents to simpler versus complex adaptive systems, leadership and management and the balance between evidence-based medicine and practice-based evidence, at the clinical, organizational and macro-system levels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,844
Tête enseignante GPT0,598
Écart entre enseignants0,246 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be HealthyMême sujetHealth Policy Implementation ScienceTravaux en français237 207