MétaCan
Menu
Retour à la cohorte
Enregistrement W2743321148 · doi:10.1177/1363459317724852

Understanding the emergence and development of medical collaboration across organizational boundaries: A longitudinal case study

2017· article· en· W2743321148 sur OpenAlexafffundabout
Nassera Touati, Charo Rodríguez, Marie-Andrée Paquette, Jean‐Louis Denis

Notice bibliographique

RevueHealth An Interdisciplinary Journal for the Social Study of Health Illness and Medicine · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversité de MontréalUniversité de SherbrookeMcGill UniversityÉcole Nationale d'Administration Publique
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésLongitudinal studyKnowledge managementSociologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Our goal in this investigation was to help shed light on the very difficult process of collaboration between family physicians and specialists working at different levels of healthcare delivery. More precisely, and grounded on Giddens' structuration theory, our investigation aims to understand how medical collaboration emerges and develops around chronic patients. This was a longitudinal interpretive case study, the "case" being a continuum-of-care for patients suffering from diabetes, put in place in an urban health center in the Canadian province of Quebec. The study shows how the application of rules of signification and of legitimation, combined with domination resources, have supported the emergence of new forms of collaborative practices. Our analysis reveals, however, that new collaborative practices at the administrative level do not necessarily entail greater shared decision-making in patient management and the mobilization of knowledge across boundaries. The study also corroborates the mutual recursive influence of practices and structures. Our study's most important contribution concerns the impact of knowledge dynamics, that is, individual and collective learning, on the development of medical collaboration across levels of 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 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)0,019
score de la tête « metaresearch » (Gemma)0,026
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 enseignants0,037
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,026
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0140,007
Communication savante0,0040,005
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
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 Opus0,652
Tête enseignante GPT0,700
Écart entre enseignants0,048 · 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

Citations10
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth An Interdisciplinary Journal for the Social Study of Health Illness and MedicineMême sujetHealth Policy Implementation ScienceTravaux en français237 207