MétaCan
Menu
Retour à la cohorte
Enregistrement W2344913211 · doi:10.1177/1049732315609901

Communication and Culture in the Surgical Intensive Care Unit

2015· article· en· W2344913211 sur OpenAlexaffabout
Lesley Gotlib Conn, Barbara Haas, Brian H. Cuthbertson, André Carlos Kajdacsy-Balla Amaral, Natalie G. Coburn, Avery B. Nathens

Notice bibliographique

RevueQualitative Health Research · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésNursingProfessional boundariesMedicineIntensive careDisciplineIntensive care unitPerceptionQualitative researchEthnographyQuality (philosophy)PsychologyIntensive care medicineSociology

Résumé

récupéré en direct d'OpenAlex

This ethnography explores communication around critically ill surgical patients in three surgical intensive care units (ICUs) in Canada. A boundary framework is used to articulate how surgeons', intensivists', and nurses' communication practices shape and are shaped by their respective disciplinary perspectives and experiences. Through 50 hours of observations and 43 interviews, these health care providers are found to engage in seven communication behaviors that either mitigate or magnify three contested symbolic boundaries: expertise, patient ownership, and decisional authority. Where these boundaries are successfully mitigated, experiences of collaborative, high-quality patient care are produced; by contrast, boundary magnification produces conflict and perceptions of unsafe patient care. Findings reveal that high quality and safe patient care are produced through complex social and cultural interactions among surgeons, intensivists, and nurses that are also expressions of knowledge and power. This enhances our understanding of why current quality improvement efforts targeting communication may be ineffective.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,360
Score d'incertitude au seuil0,715

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0190,020
Communication savante0,0060,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,898
Tête enseignante GPT0,719
Écart entre enseignants0,179 · 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'étudeQualitatif
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

Citations34
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207