MétaCan
Menu
Retour à la cohorte
Enregistrement W3004078471 · doi:10.12927/hcq.2016.24701

Building Bridges to Integrate Care (BRIDGES): Incubating Health Service Innovation across the Continuum of Care for Patients with Multiple Chronic Conditions

2016· article· en· W3004078471 sur OpenAlexafffundabout
Onil Bhattacharyya, Michael J. Schull, Kaveh G Shojania, Vicky Stergiopoulos, Gary Naglie, Fiona Webster, Ricardo Brandao, Tamara Mohammed, Jennifer Christian, Gillian Hawker, Lynn Wilson, Wendy Levinson

Notice bibliographique

RevueHealthcare Quarterly · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental HealthBaycrest HospitalSt. Michael's HospitalCentre for Advancing Health OutcomesInstitute for Clinical Evaluative SciencesWomen's College Hospital
Organismes subventionnairesDepartment of Medicine, University of TorontoUniversity of TorontoWomen's College HospitalOntario Ministry of Health and Long-Term Care
Mots-clésPsychological interventionIncubatorProcess managementTest (biology)Process (computing)Continuum of careHealth careNursingService (business)Integrated careKnowledge managementBusinessMedicineOperations managementComputer scienceEngineeringMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

Integrating care for people with complex needs is challenging. Indeed, evidence of solutions is mixed, and therefore, well-designed, shared evaluation approaches are needed to create cumulative learning. The Toronto-based Building Bridges to Integrate Care (BRIDGES) collaborative provided resources to refine and test nine new models linking primary, hospital and community care. It used mixed methods, a cross-project meta-evaluation and shared outcome measures. Given the range of skills required to develop effective interventions, a novel incubator was used to test and spread opportunities for system integration that included operational expertise and support for evaluation and process 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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,407
Écart entre enseignants0,378 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations19
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetPrimary Care and Health OutcomesTravaux en français237 207