MétaCan
Menu
Retour à la cohorte
Enregistrement W2795339097 · doi:10.1097/qmh.0000000000000164

VA Quality Scholars Quality Improvement Coach Model to Facilitate Learning and Success

2018· article· en· W2795339097 sur OpenAlexaff
Danielle Olds, Mary A. Dolansky, Kari Gali, Carol Callaway‐Lane

Notice bibliographique

RevueQuality Management in Health Care · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Quality and Satisfaction
Établissements canadiensOlds College
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Quality managementComputer scienceProcess managementEngineering managementKnowledge managementBusinessEngineeringMarketingEpistemology

Résumé

récupéré en direct d'OpenAlex

Despite the increase in quality improvement (QI) education both in practice and in health professions' education, gaps exist in the usefulness and success of QI projects. Barriers to successful QI are a result of delays in implementation, teamwork issues, and lack of QI knowledge. These barriers can be addressed using a QI Coach. A QI Coach is an expert in QI principles who has excellent communication and collaboration skills, and is experienced with organizational policies. The purpose of this article is to (a) describe the VA Quality Scholars (VAQS) QI Coach Model that includes the role of a coach and effective coaching strategies and (b) discuss lessons learned from the application of the VAQS QI Coach Model. The QI Coach facilitates success by providing novice QI teams with practical skills, encouragement, and support.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,290
Tête enseignante GPT0,548
Écart entre enseignants0,257 · 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'étudeObservationnel
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuality Management in Health CareMême sujetHealthcare Quality and SatisfactionTravaux en français237 207