Editorial: Advances in healthcare provider and patient training to improve the quality and safety of patient care
Notice bibliographique
Résumé
This special issue of the Knowledge Management & E-Learning: An International Journal is dedicated to describing “Advances in Healthcare Provider and Patient Training to Improve the Quality and Safety of Patient Care.” Patient safety is an important and fundamental requirement of ensuring the quality of patient care. Training and education has been identified as a key to improving healthcare provider patient safety competencies especially when working with new technologies such as electronic health records and mobile health applications. Such technologies can be harnessed to improve patient safety; however, if not used properly they can negatively impact on patient safety. In this issue we focus on advances in training that can improve patient safety and the optimal use of new technologies in healthcare. For example, use of clinical simulations and online computer based training can be employed both to facilitate learning about new clinical discoveries as well as to integrate technology into day to day healthcare practices. In this issue we are publishing papers that describe advances in healthcare provider and patient training to improve patient safety as it relates to the use of educational technologies, health information technology and on-line health resources. In addition, in the special issue we describe new approaches to training and patient safety including, online communities, clinical simulations, on-the-job training, computer based training and health information systems that educate about and support safer patient care in real-time (i.e. when health professionals are providing care to patients). These educational and technological initiatives can be aimed at health professionals (i.e. students and those who are currently working in the field). The outcomes of this work are significant as they lead to safer care for patients and their family members. The issue has both theoretical and applied papers that describe advances in patient safety and training.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».