MétaCan
Menu
← Retour à la cohorte
Enregistrement W2775605720 · doi:10.12927/hcpap.2017.25338

Patients as Front-Line Owners and Partners in Improving Quality and Safety

2017· article· en· W2775605720 sur OpenAlexaffvenue
Linda Hughes, Katarina R Busija, Esha Ray Chaudhuri, Ioana Cristina Popescu

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensCanadian Patient Safety Institute
Organismes subventionnairesnon disponible
Mots-clésFront lineQuality (philosophy)BusinessQuality managementProcess managementPatient safetyPublic relationsPsychologyOperations managementMarketingMedicinePolitical scienceEngineeringHealth care

Résumé

récupéré en direct d'OpenAlex

As patient partners, we are pleased by the success of the front-line ownership (FLO) approach in advancing safe care in a variety of initiatives and settings. The FLO underlying principles and approach deeply resonate with us as illustrated in the following quotes from the paper: "Nothing about me without me," "Most passionate change agents are not in roles that typically get invited to participate," "Inviting anybody who is interested in the problem at hand," "FLO creates a way to break down hierarchies, increase positive dialogue between diverse players in organizations, and encourage people who may not have felt empowered previously to come forward and problem-solve." It is not described in the article if and how patients and/or patient partners were involved; therefore, we call on the authors to follow up with that information because it can provide valuable lessons to others who will be looking at implementing FLO in their organizations. Based on our decade-long experience as patient partners at all system levels, on literature and leading practices (key references included) we argue that patients have an important role to play in improvement initiatives and recommend partnering with patients in all improvement efforts.

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)0,036
score de la tête « metaresearch » (Gemma)0,061
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: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,189

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,061
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,012
Communication savante0,0170,017
Science ouverte0,0020,023
Intégrité de la recherche0,0070,014
Charge utile insuffisante (le modèle a refusé de juger)0,0200,003

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 Opus0,262
Tête enseignante GPT0,482
Écart entre enseignants0,220 · 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy→Même sujetMental Health and Patient Involvement→Travaux en français237 207→