Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: Double checking is a standard practice in many areas of health care, notwithstanding the lack of evidence supporting its efficacy. We ask in this study: 'How do front line practitioners conceptualize double checking? What are the weaknesses of double checking? What alternate views of double checking could render it a more robust process?' METHOD: This is part of a larger qualitative study based on 85 semi-structured interviews of health care practitioners in general internal medicine and obstetrics and neonatology; thematic analysis of the transcribed interviews was undertaken. Inductive and deductive themes are reported. RESULTS: Weaknesses in the double checking process include inconsistent conceptualization of double checking, double (or more) checking as a costly and time-consuming procedure, double checking trusted as an accepted and stand-alone process, and double checking as preventing reporting of near misses. Alternate views of double checking that would render it a more robust process include recognizing that double checking requires training and a dedicated environment, Introducing automated double checking, and expanding double checking beyond error detection. These results are linked with the concepts of collective efficiency thoroughness trade off (ETTO), an in-family approach, and resilience. CONCLUSION(S): Double checking deserves more questioning, as there are limitations to the process. Practitioners could view double checking through alternate lenses, and thus help strengthen this ubiquitous practice that is rarely challenged.
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 | 0,067 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,015 |
| Communication savante | 0,007 | 0,014 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,006 |
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 ».