MétaCan
Menu
Retour à la cohorte
Enregistrement W2796545560

Defining the BC Provincial Preventive Maintenance Program: World Health Organization Device Type Classification

2018· article· en· W2796545560 sur OpenAlexaff
Andrew Ibey, Greg Brett, Doug King, Tony Hsieh, Tim Hutnan, Steve Dimock, John Bowdige, Richard Soet, Adil Younus

Notice bibliographique

RevueCMBES Proceedings · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueQuality and Safety in Healthcare
Établissements canadiensIsland HealthInterior HealthProvidence Health Care
Organismes subventionnairesnon disponible
Mots-clésSchedulePreventive maintenanceContext (archaeology)Operations managementMedical equipmentEngineering managementEngineeringBusinessComputer scienceMedicineNursingGeographyReliability engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There is no slowing down the perennial increase of in-hospital medical devices, which presents an ongoing challenge to BME departments with limited resources available for service demands. A computerized maintenance management system (CMMS) is a prerequisite for the execution and sustainment of a successful preventive maintenance (PM) program. Implementing a provincial database revealed that medical device inspections, PM schedules, and job procedures varied widely between provincial facilities. This paper will focus on the successful implementation of a Provincial PM program in British Columbia and the historical context to arrive at this point. It will also describe the risk and frequency of device types that constitute the PM schedule using the World Health Organizations “Medical Equipment Maintenance Programme” methodology. Over the course of 20 months, the British Columbia Biomedical Engineering (BCBME) CMMS team classified over 1,000 medical device types. Overall, the BCMBE program reduced the total number of device types for both Critical and Normal devices, and increased the number of Not Scheduled devices and improved the efficiency and efficacy of our PM program. It is our hope that others will find value in our approach and its implementation at a provincial level.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0080,007
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,084
Tête enseignante GPT0,443
Écart entre enseignants0,359 · 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'étudeSans objet
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCMBES ProceedingsMême sujetQuality and Safety in HealthcareTravaux en français237 207