MétaCan
Menu
Retour à la cohorte
Enregistrement W2284168228 · doi:10.12927/hcq.2016.24478

Psychiatrist Health Human Resource Planning – An Essential Component of a Hospital-Based Mental Healthcare System Transformation

2016· article· en· W2284168228 sur OpenAlexaff
Sarah Jarmain

Notice bibliographique

RevueHealthcare Quarterly · 2016
Typearticle
Langueen
DomainePsychology
ThématiquePsychiatric care and mental health services
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMandateHealth careWork (physics)Process managementHealth administrationProcess (computing)Component (thermodynamics)BusinessKey (lock)Human resourcesQuality (philosophy)Human resource managementKnowledge managementNursingMedicineManagementComputer sciencePolitical sciencePublic healthEngineering

Résumé

récupéré en direct d'OpenAlex

The World Health Organization (WHO) defines health human resource planning as "the process of estimating the number of persons and the kinds of knowledge, skills, and attitudes they need to achieve predetermined health targets and ultimately health status objectives" (OHA 2015). Health human resource planning is a critical component of successful organizational and system transformation, and yet little has been written on how to do this for physicians at the local level. This paper will outline a framework for developing and managing key aspects of physician human resource planning related to both the quantity and quality of work within a hospital setting. Using the example of a complex multiphase hospital-based mental health transformation that involved both the reduction and divestment of beds and services, we will outline how we managed the physician human resource aspects to establish the number of psychiatrists needed and the desired attributes of those psychiatrists, and how we helped an existing workforce transition to meet the new expectations. The paper will describe a process for strategically aligning the selection and management of physicians to meet organizational vision and mandate.

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)0,017
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,022
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,006
Communication savante0,0100,004
Science ouverte0,0020,010
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,020
Tête enseignante GPT0,356
Écart entre enseignants0,336 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetPsychiatric care and mental health servicesTravaux en français237 207