MétaCan
Menu
Retour à la cohorte
Enregistrement W2346173449 · doi:10.12927/hcq.2016.24607

Yes, Doctors, You Were Right. The Data Were Wrong: One Organization’s Data Quality Journey

2016· article· en· W2346173449 sur OpenAlexaffabout
Michael Heenan, Ted Rogovein, Elizabeth Buller, Anthony Plati

Notice bibliographique

RevueHealthcare Quarterly · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensSt Joseph's Health Centre
Organismes subventionnairesnon disponible
Mots-clésReputationQuality (philosophy)Best practiceQuality managementHealth careData qualityHealth care qualityPublic relationsReputation managementNursingMedicinePsychologyMedical educationBusinessMarketingPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

In 2012, publicly released reports indicated that the health outcomes at St. Joseph's Health Centre, Toronto (SJHC), may not be of the same quality when compared with those at peer hospitals. This surprised the leaders within the organization given that SJHC had a sound reputation for quality and patient safety within the sector. As a result, SJHC's senior management and medical leadership identified clinical outcomes and data quality as items to be addressed within its enterprise risk management framework with a focus on the methods by which data were collected, coded and used by clinicians. The following article describes the approach SJHC used to improve the quality of its clinical data and how it changed physician participation in examining data designed to help inform and improve care.

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)0,008
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0030,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,431
Tête enseignante GPT0,497
Écart entre enseignants0,066 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetMedical Coding and Health InformationTravaux en français237 207