Créer une culture de prise de décision fondée sur des données probantes dans la collectivité
Notice bibliographique
Résumé
Les pressions budgétaires croissantes exercées sur les services de santé provinciaux et locaux obligent à prendre des décisions difficiles. Même si on peut souvent recourir à la prise de décision fondée sur des données probantes pour parvenir à des décisions, la notion de ce type de prise de décision est limitée dans le processus de pratique des bureaux des médecins traitants, en soins primaires, en soins de longue durée et en soins continus. Dans le milieu de la santé, de nombreuses données sont colligées, mais seul un faible pourcentage est utilisé de manière significative. Le programme de Formation en utilisation de la recherche pour cadres qui exercent dans la santé (FORCES) vise non seulement à aider les directeurs de soins de santé à acquérir des compétences nécessaires, mais également à ouvrir la voie à des changements culturels au sein du système de santé canadien. L'article contient trois brefs exemples dans lesquels un vice-président et un administrateur ayant suivi le programme FORCES ont commencé à explorer et à utiliser les données pour susciter le changement dans la collectivité.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,072 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,013 | 0,024 |
| Communication savante | 0,021 | 0,009 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».