MétaCan
Menu
Retour à la cohorte
Enregistrement W2313426237 · doi:10.1177/1541931213571235

Human Factors in the Wild

2013· article· en· W2313426237 sur OpenAlexaff
Yan Xiao, Natalie Abts, Laurie Wolf, M. Susan Hallbeck, Svetlena Taneva, Anjum Chagpar, C. Adam Probst

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueQuality and Safety in Healthcare
Établissements canadiensUniversity Health Network
Organismes subventionnairesAgency for Healthcare Research and QualityUniversity of Nebraska-Lincoln
Mots-clésSession (web analytics)Work (physics)Intervention (counseling)Focus (optics)Identification (biology)Process (computing)Health careFocus groupComputer scienceHealthcare systemProcess managementKnowledge managementRisk analysis (engineering)EngineeringMedicineBusinessNursingPolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

This session will focus on lessons learned when developing solutions for real world problems in healthcare. Human factors (HF) practitioners bring unique knowledge, methods, and perspectives to work with clinicians to address numerous defects in the worksystem but require problem-solving skills that focus on solutions. The HF contribution may be in the area of process improvement (e.g., prevention of patient falls), systems design (e.g., designing crashcart), or identification of design flaws so robust intervention may be deployed (e.g., glucose meters). Six human factors practitioners who work within healthcare systems will present real world challenges which were discovered by HF methods, or which have heavy HF implications, but where direct HF influence on design lead to the ultimate effective solution. The session will be designed to lead to a discussion about how HF methods were adapted to individual problems at hand and to focus on developing solutions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,356
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetQuality and Safety in HealthcareTravaux en français237 207