MétaCan
Menu
Retour à la cohorte
Enregistrement W3154945919 · doi:10.1097/qmh.0000000000000294

Supporting Discovery and Inquiry: A Canadian Hospital's Approach to Building Research and Innovation Capacity in Point-of-Care Health Professionals

2021· article· en· W3154945919 sur OpenAlexaffabout
Arlinda Ruco, Kathryn Nichol, Sara Morassaei, Ruby Bola, Lisa Di Prospero

Notice bibliographique

RevueQuality Management in Health Care · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensPublic Health OntarioSunnybrook HospitalOccupational Cancer Research CentreHealth Sciences CentreQueen's UniversityUniversity of TorontoSunnybrook Health Science CentreSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésBlueprintKnowledge managementPortfolioSustainabilityMilestoneHealth careBusinessCollaborative leadershipPublic relationsComputer sciencePolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Building capacity for research and innovation among point-of-care health professionals can translate into positive outcomes from the organization, staff, and patient perspective. However, there is not a widely accepted framework in place across academic hospitals to guide this work and measure impact. This article outlines one Canadian hospital's approach and provides a blueprint with appropriate indicators as a starting point and guide for organizations looking to develop and implement a practice-based research and innovation strategy. METHODS: An adapted framework was utilized to measure and track progress toward achievement of research and innovation strategic goals. The framework outlines key domains for research and capacity development and appropriate metrics. Data are reported from a 4-year period (2014-2018). RESULTS: The evaluation of the practice-based research and innovation portfolio identified several important factors that contribute to the success of embedding this strategy across a large academic teaching institution. These include using a collaborative leadership model, leveraging linkages, partnerships, and collaborations, and recognizing the academic contributions of health professionals engaging in research and innovation. CONCLUSIONS: Engaging those who provide care directly to patients and families in research and innovation is critical to ensuring high-quality health outcomes and patient experience. Creative and innovative funding models, collaborative leadership, and partnerships with key stakeholders to support research and innovation are needed to ensure sustainability.

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)0,105
score de la tête « metaresearch » (Gemma)0,088
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,850

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1050,088
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0140,015
Études des sciences et des technologies0,0380,055
Communication savante0,0340,009
Science ouverte0,0110,029
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,693
Tête enseignante GPT0,695
Écart entre enseignants0,002 · 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.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuality Management in Health CareMême sujetHealth Policy Implementation ScienceTravaux en français237 207