Developing a coding taxonomy to analyze dental regulatory complaints
Notice bibliographique
Résumé
BACKGROUND: As part of their mandate to protect the public, dental regulatory authorities (DRA) in Canada are responsible for investigating complaints made by members of the public. To gain an understanding of the nature of and trends in complaints made to the Royal College of Dental Surgeons of Ontario (RCDSO), Canada's largest DRA, a coding taxonomy was developed for systematic analysis of complaints. METHODS: The taxonomy was developed through a two-pronged approach. First, the research team searched for existing complaints frameworks and integrated data from a variety of sources to ensure applicability to the dental context in terms of the generated items/complaint codes in the taxonomy. Second, an anonymized sample of complaint letters made by the public to the RCDSO (n = 174) were used to refine the taxonomy. This sample was further used to assess the feasibility of use in a larger content analysis of complaints. Inter-coder reliability was also assessed using a separate sample of letters (n = 110). RESULTS: The resulting taxonomy comprised three domains (Clinical Care and Treatment, Management and Access, and Relationships and Conduct), with seven categories, 23 sub-categories, and over 100 complaint codes. Pilot testing for the feasibility and applicability of the taxonomy's use for a systematic analysis of complaints proved successful. CONCLUSIONS: The resulting coding taxonomy allows for reliable documentation and interpretation of complaints made to a DRA in Canada and potentially other jurisdictions, such that the nature of and trends in complaints can be identified, monitored and used in quality assurance and 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».