MétaCan
Menu
Retour à la cohorte
Enregistrement W2135304030 · doi:10.1370/afm.951

How Can Primary Care Cross the Quality Chasm?

2009· article· en· W2135304030 sur OpenAlexaff
Leif I. Solberg, Kurtis S. Elward, William R. Phillips, James M. Gill, Garth Swanson, Deborah S. Main, Barbara P. Yawn, J. W. Mold, Robert L. Phillips

Notice bibliographique

RevueThe Annals of Family Medicine · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineScholarshipPrimary careFacilitationQuality (philosophy)PublicationMedical educationHealth careNursingQuality managementPublic relationsFamily medicinePsychologyPolitical scienceManagement

Résumé

récupéré en direct d'OpenAlex

The chasm between knowledge and practice decried by the Institute of Medicine (IOM) is the result of other chasms that have not been addressed. They include the chasm between what we know and what we need to know to improve care; the chasm between those who provide primary care and those who do not fund, study, support, or publish practical primary care studies; and the chasm between research and quality improvement (QI). These chasms are a result of problematic concepts, attitudes, traditions, time frames, and financing approaches among the various participants. If we are to facilitate the production and use of the knowledge needed for primary care to cross IOM's chasm, major changes are needed. These changes include the following: (1) admission by all primary care professions that we have quality problems that require our unified attention and action; (2) conversion of the paradigm from "translate research into practice" to "optimizing health and health care through research and QI"; (3) development and facilitation of more partnerships among clinicians, researchers, and care delivery leaders for engaged scholarship in both research and QI; (4) modification of the agendas and methods of funders and researchers so they emphasize the problems of patients and patient care and support practical time frames and research designs; and (5) facilitation by funders and journals of the dissemination and implementation of lessons from QI and practical research.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil0,780

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,460
Tête enseignante GPT0,576
Écart entre enseignants0,116 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations27
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Annals of Family MedicineMême sujetPrimary Care and Health OutcomesTravaux en français237 207