The Participatory Zeitgeist in Health Care: It is Time for a Science of Participation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Participation in health care is currently the zeitgeist/spirit of our times. A myriad of practices characterizes this "participatory Zeitgeist" in contemporary health care, which range from patients and professionals collaborating as partners in service delivery and treatment decision-making, to crowdsourced cures and participation in online communities, to using health apps, to involvement in health care quality improvement initiatives for systems redesign using coproduction and co-design methods. To date, patient engagement and participation in online communities and the use of apps have received a good deal of attention in participatory medicine. However, there has been a less critical examination of participation in health care planning, design, delivery, and improvement. In the face of what Thomas Kuhn called a scientific revolution, we are presented with the opportunity to re-examine some of the assumptions underpinning participation in health care and some of the emerging anomalies and weaknesses in the current science. This re-examination will allow the development of a new paradigm, a science of participation. In this science, we can systematically test, refine, and advance participation in health care to build a unifying language and theories from across the interdisciplinary fields of participatory design, medicine, and research to develop and test models to explain impacts and outcomes. A science of participation will allow the emergent and unexplained facts to be addressed in the current participatory mood of health care planning, design, delivery, and improvement.
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.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle