MétaCan
Menu
Retour à la cohorte
Enregistrement W2911341447 · doi:10.1097/hcm.0000000000000251

Staff Perceptions of Improving Emergency Care for Children

2019· article· en· W2911341447 sur OpenAlexaff
Savithiri Ratnapalan, Chris Bennett, Sue Dopson, Melanie Darwent

Notice bibliographique

RevueThe Health Care Manager · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensToronto Public HealthHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésStaffingPediatric emergency medicineEmergency departmentNursingQualitative researchHealth careGrounded theoryPerceptionMedicineMedical emergencyMedical educationPsychology

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to identify staff perceptions of a service improvement for pediatric emergency care at a university teaching hospital. Semistructured qualitative interviews of stakeholders were conducted, and grounded theory approach was used for analysis. Forty-one interviews were conducted with physicians, nurses, managers, and health care workers. Major themes emerging from the analysis included the physical space of and flow within the pediatric emergency department (ED), impact of technology, staffing in the ED, the effects of frontline pediatricians and emergency physicians managing children in the ED, and the need for and expectations of a pediatric emergency medicine (PEM) consultant. Human interactions among health care providers, leadership, and teaching are considered as equally important as providing the appropriate environment and qualified professionals for improving care for children in the ED. Appointment of a PEM consultant was suggested to provide leadership and education to manage relationships and implement changes. Subsequent to the study, the model of care for PEM was changed, the pediatric care delivery became more integrated with the main ED, and two PEM consultants were appointed to the institution.

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)0,006
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,010
Tête enseignante GPT0,308
Écart entre enseignants0,298 · 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'étudeQualitatif
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Health Care ManagerMême sujetEmergency and Acute Care StudiesTravaux en français237 207