Opportunities for incident reporting. Response to: ‘The problem with incident reporting’ by Macrae <i>et al</i>
Notice bibliographique
Résumé
<h3>Abstract</h3> <b>Objective</b> To explore in depth how primary care clinicians (general practitioners and practice nurses) derive their individual and collective healthcare decisions. <b>Design</b> Ethnographic study using standard methods (non-participant observation, semistructured interviews, and documentary review) over two years to collect data, which were analysed thematically. <b>Setting</b> Two general practices, one in the south of England and the other in the north of England. <b>Participants</b> Nine doctors, three nurses, one phlebotomist, and associated medical staff in one practice provided the initial data; the emerging model was checked for transferability with general practitioners in the second practice. <b>Results</b> Clinicians rarely accessed and used explicit evidence from research or other sources directly, but relied on “mindlines”—collectively reinforced, internalised, tacit guidelines. These were informed by brief reading but mainly by their own and their colleagues9 experience, their interactions with each other and with opinion leaders, patients, and pharmaceutical representatives, and other sources of largely tacit knowledge. Mediated by organisational demands and constraints, mindlines were iteratively negotiated with a variety of key actors, often through a range of informal interactions in fluid “communities of practice,” resulting in socially constructed “knowledge in practice.” <b>Conclusions</b> These findings highlight the potential advantage of exploiting existing formal and informal networking as a key to conveying evidence to clinicians.
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 | 0,036 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».