Project Examining Effectiveness in Clinical Ethics (PEECE): phase 1—descriptive analysis of nine clinical ethics services
Notice bibliographique
Résumé
OBJECTIVE: The field of clinical ethics is relatively new and expanding. Best practices in clinical ethics against which one can benchmark performance have not been clearly articulated. The first step in developing benchmarks of clinical ethics services is to identify and understand current practices. DESIGN AND SETTING: Using a retrospective case study approach, the structure, activities, and resources of nine clinical ethics services in a large metropolitan centre are described, compared, and contrasted. RESULTS: The data yielded a unique and detailed account of the nature and scope of clinical ethics services across a spectrum of facilities. General themes emerged in four areas-variability, visibility, accountability, and complexity. There was a high degree of variability in the structures, activities, and resources across the clinical ethics services. Increasing visibility was identified as a significant challenge within organisations and externally. Although each service had a formal system for maintaining accountability and measuring performance, differences in the type, frequency, and content of reporting impacted service delivery. One of the most salient findings was the complexity inherent in the provision of clinical ethics services, which requires of clinical ethicists a broad and varied skill set and knowledge base. Benchmarks including the average number of consults/ethicist per year and the hospital beds/ethicist ratio are presented. CONCLUSION: The findings will be of interest to clinical ethicists locally, nationally, and internationally as they provide a preliminary framework from which further benchmarking measures and best practices in clinical ethics can be identified, developed, and evaluated.
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 | 0,577 | 0,678 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,018 | 0,221 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».