MétaCan
Menu
Retour à la cohorte
Enregistrement W2318488476 · doi:10.1097/acm.0b013e31826768d4

“The Benefits Make Up for Whatever Is Lost”

2012· article· en· W2318488476 sur OpenAlexaffabout
Lynfa Stroud, Olga Oulanova, Nicolas Szecket, Shiphra Ginsburg

Notice bibliographique

RevueAcademic Medicine · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensSunnybrook Health Science CentreSunnybrook Hospital
Organismes subventionnairesnon disponible
Mots-clésMEDLINEMedical educationPsychologyMedicinePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

PURPOSE: A new internal medicine call structure was implemented at two teaching hospitals at the University of Toronto, Canada, in 2009, motivated by patient safety concerns, new duty hours regulations, and dissatisfaction among attending physicians. This study aimed to determine attendings', residents', and students' experiences with the new structure and to look carefully for unintended consequences. METHOD: Between June and August 2009, the authors conducted an in-depth qualitative study using level-specific focus groups of attending physicians, residents, and medical students (n=28) with experience of both the old and new call systems. Discussions were analyzed using grounded theory. RESULTS: Analysis revealed six themes (physician, manager, learner, teacher, workload, and "teamness") as well as the overarching theme of accountability. Although participants perceived the new system as better for patient care, there were several trade-offs. For example, workload was more predictable and equitable but less flexible, and senior residents reported less personal continuity for patients but increased continuity of care on the team level. Teaching and learning were negatively affected. Despite the negative effects, participants perceived that overall accountability improved on many levels, and participants felt the trade-offs were worth the perceived benefits. CONCLUSIONS: Residents were flexible and altruistic, accepting trade-offs in their own experiences in favor of patient care. Education was negatively affected. This study highlights the importance of carefully studying changes to look for anticipated and unanticipated consequences.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,754

Scores Codex et Gemma par catégorie

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

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 Opus0,051
Tête enseignante GPT0,350
Écart entre enseignants0,299 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations12
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetHospital Admissions and OutcomesTravaux en français237 207