MétaCan
Menu
Retour à la cohorte
Enregistrement W3047010531 · doi:10.12927/hcq.2020.26275

Building a Primary Care Community of Practice: SCOPE as a Platform for Care Integration and System Transformation

2020· article· en· W3047010531 sur OpenAlexaffvenueabout
Pauline Pariser, Haley Gush, Noah Ivers, Steve Pomedli

Notice bibliographique

RevueHealthcare Quarterly · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensWomen's College Hospital
Organismes subventionnairesnon disponible
Mots-clésGrassrootsScope (computer science)Primary careScope of practiceBest practiceNursingBusinessPrimary health carePublic relationsMedicineHealth carePolitical scienceFamily medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Strong primary care plays a foundational role in a high-functioning health system. Primary care is the main entry point to the healthcare system for patients, but in many health systems, the majority of primary care practices and physicians are functionally disconnected from, and not meaningfully integrated with, specialist care, hospital resources or team-based allied professionals. Here, we detail how a grassroots program in the Greater Toronto Area, known as SCOPE (Seamless Care Optimizing the Patient Experience), has worked to build and grow a community of practice among physicians who were previously "unaffiliated" to provide streamlined access to specialist care and virtual team-based resources. Notably, through purposeful engagement efforts, this community of practice has led to new patient-facing initiatives that respond to primary care needs. This improved integration of primary care with both hospital-based resources and specialty services, along with the initiation of new services that address population needs, demonstrates the value of this type of purposeful engagement to develop a primary care community of practice.

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)0,021
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,022
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0170,021
Communication savante0,0130,009
Science ouverte0,0030,046
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,067
Tête enseignante GPT0,426
Écart entre enseignants0,359 · 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'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

Citations5
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetPrimary Care and Health OutcomesTravaux en français237 207