MétaCan
Menu
Retour à la cohorte
Enregistrement W2772637733 · doi:10.1017/s1047951117002633

International quality improvement initiatives

2017· review· en· W2772637733 sur OpenAlexaff
Patricia A. Hickey, Jean A. Connor, K.M. Cherian, Kathy J. Jenkins, Kaitlin Doherty, Haibo Zhang, Michael Gaies, Sara K. Pasquali, Sarah Tabbutt, James D. St. Louis, George E. Sarris, Hiromi Kurosawa, Richard A. Jonas, Néstor Sandoval, Christo I. Tchervenkov, Jeffery P. Jacobs, Giovanni Stellin, James K. Kirklin, Rajnish Garg, David F. Vener

Notice bibliographique

RevueCardiology in the Young · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueCongenital Heart Disease Studies
Établissements canadiensMcGill University Health CentreMontreal Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésGlobeTransparency (behavior)MedicineQuality managementQuality (philosophy)Health careKnowledge managementPublic relationsMedical educationProcess managementMarketingBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Across the globe, the implementation of quality improvement science and collaborative learning has positively affected the care and outcomes for children born with CHD. These efforts have advanced the collective expertise and performance of inter-professional healthcare teams. In this review, we highlight selected quality improvement initiatives and strategies impacting the field of cardiovascular care and describe implications for future practice and research. The continued leveraging of technology, commitment to data transparency, focus on team-based practice, and recognition of cultural norms and preferences ensure the success of sustainable models of global collaboration.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,182
Tête enseignante GPT0,478
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiology in the YoungMême sujetCongenital Heart Disease StudiesTravaux en français237 207