MétaCan
Menu
Retour à la cohorte
Enregistrement W2323764313 · doi:10.1097/jce.0b013e318223cc0f

Human Factors Tools and Tips for Clinical Engineers

2011· article· en· W2323764313 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Clinical Engineering · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueQuality and Safety in Healthcare
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésFood and drug administrationPatient safetyThe InternetClinical engineeringHealth careComputer scienceMedicineMedical emergencyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

In Brief Human factors is a term that is being heard with increasing frequency in the healthcare setting. What does it mean? How is it relevant to clinical engineering? And how can a clinical engineer identify and track human factors problems and report them to the Food and Drug Administration (FDA)? The following article addresses these and other questions and aims to provide clinical engineers with a better understanding of the science of human factors and how it can be used to improve patient safety. The information presented below is a summary of an educational Web cast entitled "Human Factors: Tools and Tips for Clinical Engineers and Medical Device Users" that was organized by FDA's Medsun program. (The Medical Device Safety Network [Medsun] is an important patient safety initiative that builds relationships with the clinical community to better understand device-related problems. The program consists of a network of 350 US healthcare facilities that use an Internet-based adverse event reporting system to notify FDA of existing and potential problems with medical devices.) A replay is available online at http://www.fda.gov/MedicalDevices/Safety/MedSunMedicalProductSafetyNetwork/ucm112724.htm. This article also summarizes information from FDA's human factors Web site, http://www.fda.gov/MedicalDevices/DeviceRegulationandGuidance/HumanFactors/ucm124851.htm. Human factors is a term that is being heard with increasing frequency in the healthcare setting. What does it mean? How is it relevant to clinical engineering? And how can a clinical engineer identify and track human factors problems and report them to the Food and Drug Administration (FDA)? The following article addresses these and other questions and aimed to provide clinical engineers with a better understanding of the science of human factors and how it can be used to improve patient safety. The information presented below is a summary of an educational Web cast entitled "Human Factors: Tools and Tips for Clinical Engineers and Medical Device Users" that was organized by FDA's Medsun program. (The Medical Device Safety Network [Medsun] is an important patient safety initiative that builds relationships with the clinical community to better understand device-related problems. The program consists of a network of 350 US healthcare facilities that use an Internet-based adverse event reporting system to notify FDA of existing and potential problems with medical devices.) A replay is available online at http://www.fda.gov/MedicalDevices/Safety/MedSunMedicalProductSafetyNetwork/ucm112724.htm. This article also summarizes information from FDA's human factors Web site, http://www.fda.gov/MedicalDevices/DeviceRegulationandGuidance/PostmarketRequirements/HumanFactors/ucm124851.htm.

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.

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)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,047
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
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 Opus0,695
Tête enseignante GPT0,610
Écart entre enseignants0,086 · 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