MétaCan
Menu
Retour à la cohorte
Enregistrement W3015098979 · doi:10.1177/0840470420915229

Seven lessons from the field: Research on transformation of health systems for older adults

2020· article· en· W3015098979 sur OpenAlexafffund
Paul Stolee, Maggie MacNeil, Jacobi Elliott, Catherine Tong, Alison Kernoghan

Notice bibliographique

RevueHealthcare Management Forum · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensLawson Health Research InstituteMcMaster UniversityUniversity of Waterloo
Organismes subventionnairesInstitute of Aging
Mots-clésConversationField (mathematics)Healthcare systemHealth careKey (lock)Public relationsField researchPsychologyKnowledge managementSociologyPolitical scienceComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Research can play a key role in efforts to transform healthcare systems. Our group's long-standing research program has been aimed at understanding how to support greater integration and coordination of healthcare services for older adults with complex conditions. Drawing on this experience, we outline seven "lessons from the field" that highlight research-related challenges that may hinder health system transformation. These challenges relate to conducting research in a complex and constantly changing system; co-design approaches that are simultaneously deemed essential yet too ambiguous to fund; patient, family caregiver, and citizen engagement; limited funding for health systems research; and lack of use of research findings. We hope that these reflections will help to inform an ongoing conversation about how these challenges might be overcome.

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)0,013
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,906
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,492
Tête enseignante GPT0,505
Écart entre enseignants0,012 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207