MétaCan
Menu
Retour à la cohorte
Enregistrement W3019320788 · doi:10.1111/nuf.12455

Patient engagement in the nonclinical setting: A concept analysis

2020· article· en· W3019320788 sur OpenAlexaff
Tammy Rooke, Abe Oudshoorn

Notice bibliographique

RevueNursing Forum · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCLARITYHealth carePsychologyPatient participationPatient experienceMedicineNursingMedical educationPolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Redesigning of health care through patient engagement at policy levels has been declared as the 21st-century solution to improving health outcomes of patients, enhancing patient safety, and reducing climbing health care costs. Despite these optimistic claims, conceptual clarity regarding patient engagement is lacking, thereby limiting the potential for both taking up this engagement and evaluating its effectiveness. Of particular interest is patient engagement in nonclinical settings, meaning engagement at more strategic tables. METHODOLOGY: A conceptual analysis, of patient engagement within nonclinical settings, using Walker and Avant's eight-step method. RESULTS: Four key attributes are identified for patient engagement within the nonclinical setting: power, communication, collaboration, and information sharing. Patient engagement is defined as a process in which patients, caregivers, and health care professionals collaborate as equal partners, contributing unique skills while sharing information and perspectives toward innovative ideas that contribute to the overall improvement of health care. CONCLUSION: The concept of patient engagement carries with it, a long journey of milestones and learning, yet continues to lack clarity. Obtaining conceptual clarity is a necessary step to developing reliable methods of measuring the actual contribution of patient engagement in health care system improvements.

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)0,033
score de la tête « metaresearch » (Gemma)0,027
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0030,008
Communication savante0,0050,008
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,280
Tête enseignante GPT0,485
Écart entre enseignants0,206 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNursing ForumMême sujetMental Health and Patient InvolvementTravaux en français237 207