Real time location systems: Is it big brother or a big opportunity for professional practice?
Notice bibliographique
Résumé
Purpose: Real Time Location Systems (RTLS) is an emerging health care technology with the potential to capture data that can be used to improve professional practice and patient outcomes. However, there is a paucity of literature in this area to guide health professionals and leaders in both the implementation and use of RTLS data. To address this gap in the literature, this qualitative study was designed to explore how staff perceive and experience RTLS, and how health care providers anticipate using RTLS data for professional practice and clinical decision making.Results: Interviews and focus groups were conducted with 31 health care professionals who work in a community hospital in Canada. There was variation between the participants in terms of the experience of being monitored, the intensity of emotions related to RTLS and being monitored, the degree to which RTLS influenced clinical decision making and reflection, and the perceptions of usefulness of RTLS data for professional practice. Three key themes emerged from the data: (1) the experience of being monitored, (2) anticipating using the data and (3) claiming the data for professional practice.Conclusions: Supports are vital to the successful adoption of RTLS and to enable health care professionals to claim and use RTLS data for professional practice and clinical decision making. During the implementation and use of RTLS data, it is crucial to recognize that RTLS data only represent the time spent in a location, and not the professional or knowledge-based practice of health professionals. Further research is required to understand the leadership strategies to guide the use of RTLS data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,021 |
| Communication savante | 0,014 | 0,017 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».