Bayhealth, COVID-19 and Technology – Safely Discovering our New Normal
Notice bibliographique
Résumé
As a regional health care leader, safety and high reliability are key elements of service excellence at Bayhealth.As we all continue to discover our new normal, COVID-19 is pushing health care into this new normal as well.The first quarter of 2020 felt like a discovery of unknowns.Unknowns in how we treat COVID-19, how we manage patient care, where we place patients as we run out of beds, what will be allowed as it relates to visitors, how will we manage this crisis from our 24-hour command center, and how will we successfully work with state and federal guidance.Space, testing, supplies and understanding how to treat this new disease dominated those early days.Technology was critical.Technology supported the opening of new care spaces at the Bayhealth Kent and Sussex campuses, as well as temporary locations near our emergency departments.These new spaces were immediately equipped with all the necessary telecommunications, computers, mobile devices, and Wi-Fi capabilities.While we were fortunate to not need many of the additional care spaces created, we were prepared.The need for technology extended beyond direct patient care.Testing and supplies required dashboards and reporting mechanisms to easily send information to the Bayhealth team and state health personnel so our staff could be equipped with the necessary safety supplies to continue caring for our community.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,016 | 0,012 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,005 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,011 |
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 ».