MétaCan
Menu
Retour à la cohorte
Enregistrement W3122318661

Compensation Schemes for Damage Caused by Healthcare and Alternatives to Court Proceedings in the Netherlands: The Netherlands National Report to the 20th General Congress of the International Academy of Comparative Law, Fukuoka, Japan, 22-28 July 2018

2018· article· en· W3122318661 sur OpenAlexaff
B.S. Laarman, A.J. Akkermans

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensL'Alliance Boviteq
Organismes subventionnairesnon disponible
Mots-clésCompensation (psychology)ComplaintLegislationHealth careLiabilityPolitical scienceLawTortBusinessLaw and economicsSociologyPsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the Netherlands, concerns about the negative experiences of patients with legal procedures following adverse medical events have led to potentially profound changes in the field of procedural complaint- and compensation law. This report offers insight into the Dutch legal framework of compensation for damage caused by healthcare. We start by presenting the traditional framework in part A: The Dutch landscape of medical liability. Having laid the groundwork, we try to explain the innovations that have recently been introduced, in part B: Efforts for reform. We elaborate on the problems patients experience when they claim for compensation, the impact legal procedures can have on both patients and healthcare professionals, the recent changes in legislation trying to address these problems, and how these changes force both healthcare and legal professionals to adapt to a new reality.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,517

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,104
Tête enseignante GPT0,445
Écart entre enseignants0,341 · 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
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetMedical Malpractice and Liability IssuesTravaux en français237 207