MétaCan
Menu
Retour à la cohorte
Enregistrement W2802967143 · doi:10.12968/jpar.2018.10.5.205

Why do paramedics have a high rate of self-referral?

2018· article· en· W2802967143 sur OpenAlexaff
Anna van der Gaag, Robert Jago, Zubin Austin, Magdalena Zasada, Sarah Banks, Ann Gallagher, Grace Lucas

Notice bibliographique

RevueJournal of Paramedic Practice · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Work Education and Practice
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésReferralEmergency Care PractitionerCombat Medical TechnicianCohortDistressMajor traumaHealth carePsychologyMedicineNursingFamily medicineContinuing professional developmentPsychiatryClinical psychologyMedical educationProfessional developmentPolitical science

Résumé

récupéré en direct d'OpenAlex

Paramedics have been regulated in the UK since 2003. Analysis shows that the profession has had consistently higher rates of self-referral to its regulator compared with other health and care professions. Between 2013 and 2016, the percentage of paramedics who self-referred averaged 50% of all cases, compared with 6% across all other health professions regulated by the Health and Care Professions Council (HCPC) and 10% across social workers in England. This article reports on possible reasons underlying this trend. Using a mixed-methods approach including a literature review, interviews, focus groups and case analysis, the study identified a number of possible contributory factors. These included pressurised work environments, variable guidance and support from employers, and work cultures of fear and conflict. The evolving nature of the profession was also cited. The research found that there was a cohort of cases that appeared inappropriate—where the referral was for a matter that did not require reporting. Actions are being taken to reduce such self-referrals to avoid the emotional distress and resource implications for those involved.

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)0,009
score de la tête « metaresearch » (Gemma)0,034
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,043
Tête enseignante GPT0,411
Écart entre enseignants0,367 · 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.

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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Paramedic PracticeMême sujetSocial Work Education and PracticeTravaux en français237 207