MétaCan
Menu
Retour à la cohorte
Enregistrement W2900055201 · doi:10.1111/iwj.13017

Wound management: Investigating the interprofessional decision‐making process

2018· article· en· W2900055201 sur OpenAlexaffabout
Corey Heerschap, Andrew Nicholas, Meredith Whitehead

Notice bibliographique

RevueInternational Wound Journal · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensRoyal Victoria Regional Health Centre
Organismes subventionnairesnon disponible
Mots-clésWound careDocumentationMedicineThematic analysisHealth careNursingScope (computer science)Medical educationQualitative researchSurgery

Résumé

récupéré en direct d'OpenAlex

Our aim is to develop a robust socio-geographical transferable theory outlining the basic social process used by members of an interprofessional health care team when making decisions around wound care management. Using a qualitative multigrounded theory approach, three focus groups were held at the Royal Victoria Regional Health Centre in Barrie, Ontario, Canada, comprised of 13 clinicians who participate in wound care decision-making. Data were analysed using an approach developed for multigrounded theory. A Critical Realist theoretical lens was applied to data analysis in the development of conclusions. Ten categories were identified before thematic saturation. Category interactions developed a perceived basic social process outlining how interprofessional clinicians determine how they approach wound care decisions: patient factors, scope of practice, equipment and supplies, internal clinician factors, knowledge and education, interprofessional team, assessment, wound care specialist consultation, and care plan, as well as documentation and communication. Understanding how wound care decision-making is determined by interprofessional health care providers will assist clinical leaders and policy makers in creating a foundation for determining resource allocation, allowing clinicians to use evidence-based practice to improve patient and clinician satisfaction, wound healing time, decrease costs, and prevent wound recurrence.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,241
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,037
Tête enseignante GPT0,474
Écart entre enseignants0,437 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations36
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Wound JournalMême sujetInterprofessional Education and CollaborationTravaux en français237 207