MétaCan
Menu
Retour à la cohorte
Enregistrement W2514739026 · doi:10.1177/1062860616662523

What Is Implementation Science and What Forces Are Driving a Change in Medical Education?

2016· article· en· W2514739026 sur OpenAlex
David C. Thomas, Arnold J. Berry, Alexander M. Djuricich, Simon Kitto, Kathy O’Kane Kreutzer, Thomas J. Van Hoof, Patricia A. Carney, Summers Kalishman, Dave Davis

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

RevueAmerican Journal of Medical Quality · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAccreditationMedicineLicensurePsychological interventionCertificationHealth careMedical educationQuality (philosophy)NursingPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

Evidence-based interventions to improve health care and medical education face multiple complex barriers to adoption and success. Implementation science focuses on the period following research dissemination, which is necessary but insufficient to address important gaps in clinician performance and patient outcomes. This article describes the forces on health care institutions, medical schools, physician clinicians, and trainees that have created the imperative to design educational interventions to address the gap between evidence and practice. These forces include accreditation, certification, licensure, and regulatory and research funding initiatives focused on improving the quality of health professions education and clinical practice. Medical educators must expand their focus on "what to change" to include "how to change" in order to prepare health care professionals and institutions to effectively adopt new evidence-based practices to improve patient, and ultimately population, outcomes.

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)0,011
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,900
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,002
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 Opus0,047
Tête enseignante GPT0,500
Écart entre enseignants0,453 · 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