MétaCan
Menu
Retour à la cohorte
Enregistrement W2951839764 · doi:10.1136/bmjqs-2018-009147

Safety-I, Safety-II and burnout: how complexity science can help clinician wellness

2019· article· en· W2951839764 sur OpenAlexaff
Andrew Smaggus

Notice bibliographique

RevueBMJ Quality & Safety · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBurnoutMedicinePatient safetyWorkplace safetyMedical educationNursingApplied psychologyOccupational safety and healthHealth careClinical psychologyPsychologyPathology

Résumé

récupéré en direct d'OpenAlex

The current crisis of clinician burnout is a complex problem. As rates of burnout (the workplace syndrome consisting of emotional exhaustion, depersonalisation and loss of meaning) reach disturbing levels among clinicians,1–3 we continue to struggle to understand how to address workplace suffering.4 5 An underexamined area of burnout is how the increasing complexity of healthcare, combined with our tentative recognition of complexity science (the study of systems governed by interactions, dependencies and relationships),6 impacts the well-being of clinicians. Complex sociotechnical systems present unique challenges for front-line clinicians and healthcare administrators. At the front lines, clinicians must navigate dynamic, unpredictable challenges and trade-offs. At the organisational level, complex systems do not respond predictably to improvement efforts. Due to their emergent properties, non-linearity and dense web of interactions, complex systems defy mechanistic thinking and formal rationality (ie, rationality based on bureaucratic rules, regulations and laws).7–11 The pursuit of safety and quality in healthcare has relied heavily on mechanistic thinking and formal rationality.12–14 This breeds an approach—labelled Safety-I—that conceptualises safety as the absence of failure, and suggests that safety and quality are best achieved via efforts to minimise performance variation and maximise compliance with idealised designs of work (through standardisation, regulation and measurement).8 While Safety-I has been a dominant paradigm within healthcare,12–14 its limitations for addressing the challenges presented by complex systems are leading some to argue that a paradigm shift is necessary to manage contemporary systems.7 12 13 Given these concerns and circumstances, we should consider whether such a paradigm shift could help us better understand and address clinician burnout. The ongoing dominance of Safety-I logic in an increasingly complex healthcare system may perpetuate a view of front-line work that does not reflect current realities and overlooks the challenges exhausting contemporary clinicians. Safety-II, a …

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)0,023
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,002
Études des sciences et des technologies0,0050,026
Communication savante0,0120,021
Science ouverte0,0030,011
Intégrité de la recherche0,0080,016
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,068
Tête enseignante GPT0,407
Écart entre enseignants0,338 · 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'étudeThéorique ou conceptuel
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

Citations63
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Quality & SafetyMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207