Leadership for the Information Age: The Time for Action is Now
Notice bibliographique
Résumé
Dr. Lynn Nagle, the senior nursing advisor for Canada Health Infoway, writes the column on nursing informatics for CJNL (Canadian Journal of Nursing Leadership). She and I have both been involved in the development and now the implementation of HOBIC (Health Outcomes for Better Information and Care), a province-wide initiative funded by the Ontario Ministry of Health and Long-Term Care: I am the executive lead and Lynn is the informatics lead. HOBIC seeks to bring online functionality to nurses that supports systematic assessment of patients on eight outcomes upon admission and discharge in acute care, chronic hospital care, long-term care and home care, and quarterly for people in residential settings. There is strong research evidence that nurses make a difference in how well patients do on these outcomes. Nurses can now access the results of their assessments online throughout a patient’s stay, compare them to other patients of similar age or gender and begin to set benchmarks for improving these outcomes. Unit managers and chief nursing officers receive an array of monthly reports on the admission and discharge status of patients – information that can also be reviewed on the basis of gender and age group. HOBIC will be a critical component of the electronic health record when it is wholly adopted throughout Ontario.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,007 |
| Communication savante | 0,018 | 0,018 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,011 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,087 | 0,034 |
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 ».