A unifying framework for improving health care
Notice bibliographique
Résumé
The quality health care around world is suboptimal. To improve the quality of contemporary health care delivery, advocates have proposed a number of scientific and technical initiatives. All these initiatives, however, have arisen and continue to operate in siloes, resulting in confusion and incommensurability among those concerned with health care improvement. Participants in the quality improvement (QI) space typically stress their own, often narrow, perspective, failing to place QI in context or to acknowledge other approaches. In order to improve delivery of health care, the following is required: Provide a unifying framework for improving health care. We argue this is best done under a Health System Science (HSS) framework but with full understanding that the fundamental principles of HSS are rooted in evidence-based medicine (EBM) and decision sciences. Understand that QI initiatives are fundamentally local activities. Hence, incentivizing bottom-up, local QI initiatives would improve health care delivery to a far greater extent than the current top-down initiatives undertaken in a response to various regulatory mandates. Akin to the "Choosing Wisely" initiative, which challenged professional societies, each institution should identify (a) the extent to which its practices are evidence-based and (b) the top 5 health care practices or interventions that, at a given institution, represent overuse, underuse, or misuse/error or undermine clinicians' efforts to deliver kind and empathic care. Providing a framework that can unify the current patchwork of the initiatives would help create a common basis to help align all the existing QI efforts. In addition, thinking small (at local level) may lead to health care quality improvements that national initiatives (thinking big), focused on regulation, competition, or legal requirements, have failed to achieve.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,141 | 0,501 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».