MétaCan
Menu
Retour à la cohorte
Enregistrement W3161506523 · doi:10.1136/medethics-2021-107255

Ethical decision making during a healthcare crisis: a resource allocation framework and tool

2021· article· en· W3161506523 sur OpenAlexaff
Keegan Guidolin, Jennifer Catton, Barry B. Rubin, Jennifer Bell, Jessica Marangos, Ann Munro-Heesters, Terri Stuart-McEwan, Fayez A. Quereshy

Notice bibliographique

RevueJournal of Medical Ethics · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésHealth careAccountabilityResource (disambiguation)Resource allocationHealth care rationingStakeholderInefficiencyProcess (computing)ScarcityBusinessKnowledge managementPublic relationsManagement scienceProcess managementComputer sciencePolitical scienceEconomicsLawManagement

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has strained healthcare resources the world over, requiring healthcare providers to make resource allocation decisions under extraordinary pressures. A year later, our understanding of COVID-19 has advanced, but our process for making ethical decisions surrounding resource allocation has not. During the first wave of the pandemic, our institution uniformly ramped-down clinical activity to accommodate the anticipated demands of COVID-19, resulting in resource waste and inefficiency. In preparation for the second wave, we sought to make such ramp down decisions more prudently and ethically. We report the development of a tool that can be used to make fair and ethical decisions in times of resource scarcity. We formed an interprofessional team to develop and use this tool to ensure that a diverse range of stakeholder perspectives were represented in this development process. This team, called the clinical activity recovery team, established institutional objectives that were combined with well-established procedural values, substantive ethical principles and decision-making criteria by using a variation on the well-known accountability for reasonableness ethical framework. The result of this is a stepwise, semiquantitative, ethical decision tool that can be applied to resource allocation challenges in order to reach fair and ethically defensible decisions. This ethical decision tool can be applied in various contexts and may prove useful at both the institutional and the departmental level; indeed this is how it is applied at our centre. As the second wave of COVID-19 strains healthcare resources, this tool can help clinical leaders to make fair decisions.

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)0,187
score de la tête « metaresearch » (Gemma)0,156
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,989

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1870,156
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0170,010
Études des sciences et des technologies0,0140,043
Communication savante0,0370,036
Science ouverte0,0090,031
Intégrité de la recherche0,0130,017
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,095
Tête enseignante GPT0,513
Écart entre enseignants0,417 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical EthicsMême sujetDisaster Response and ManagementTravaux en français237 207