MétaCan
Menu
Retour à la cohorte
Enregistrement W2139818021 · doi:10.12927/hcpap.2013.22860

Chartbook: Shining a Light on the Quality of Healthcare in Canada

2012· article· en· W2139818021 sur OpenAlexaffvenueabout
Kim Sutherland, Sheila Leatherman, Susan Law, Jennifer Verma, Stephen Petersen

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Quality and Management
Établissements canadiensCanadian Foundation for Healthcare ImprovementMcGill University
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipHealth careQuality (philosophy)Public relationsPolitical scienceQuality managementBusinessLawMarketing

Résumé

récupéré en direct d'OpenAlex

This paper provides a reflection on the findings of Canada's first-ever chartbook on the quality of healthcare in Canada. Quality of Healthcare in Canada: A Chartbook was published in 2010 by the Canadian Health Services Research Foundation in partnership with the Canadian Institute for Health Information and the Canadian Patient Safety Institute, and with support from Statistics Canada. This paper, by the chartbook authors (Sutherland and Leatherman) and colleagues (Law, Verma and Petersen), presents selected key findings and lessons from the chartbook and aims to serve as a catalyst for ideas and discussion in the papers that follow. The chartbook identified a lack of common language and indicators on quality across Canada's provinces and territories, underscoring the need to create and coordinate core measures. The Canadian chartbook and this issue of Healthcare Papers provide an update on the existing quality measures and the state of healthcare quality in Canada, and create the opportunity for jurisdictions to learn from one another and to contemplate the steps required to improve quality across the country.

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)0,016
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,964

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,028
Études des sciences et des technologies0,0120,007
Communication savante0,0210,008
Science ouverte0,0030,003
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,239
Tête enseignante GPT0,458
Écart entre enseignants0,220 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations7
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be HealthyMême sujetHealthcare Quality and ManagementTravaux en français237 207