MétaCan
Menu
Retour à la cohorte
Enregistrement W3209980797 · doi:10.5737/23688076314483489

Besoins des patients et pondération de la consommation des ressources dans l’unité de soins ambulatoires

2021· article· fr· W3209980797 sur OpenAlexaffvenue
Andrea Knox, John Larmet

Notice bibliographique

RevueCanadian Oncology Nursing Journal · 2021
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensKelowna General Hospital
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesMedicineArt

Résumé

récupéré en direct d'OpenAlex

Les infirmières en oncologie de British Columbia Cancer (BC Cancer) font partie d’une équipe interdisciplinaire dans l’unité de soins ambulatoires et accompagnent les patients tout au long de leur cancer. Des initiatives antérieures visant à identifier les besoins des patients et un travail d’optimisation du rôle des infirmières ont clarifié leur rôle, ce qui leur a permis d’exprimer clairement la portée de leur pratique et les compétences spécialisées nécessaires pour répondre au mieux aux besoins des patients et de leurs familles. Cependant, même si les besoins des patients et les éléments fondamentaux de la pratique ont été identifiés pour optimiser le rôle des infirmières en unités de soins ambulatoires, une lacune persiste dans la quantification des ressources en effectif nécessaires pour organiser le modèle actuel de soins. Pour pallier cette lacune, un projet d’amélioration de la qualité a été entrepris afin de développer un outil de pondération de la consommation des ressources (Resource Intensity Weighting, RIW) validé en interne pour les infirmières en unité de soins ambulatoires afin d’obtenir une projection des besoins de base en personnel. L’outil peut être utilisé pour alimenter les discussions de planification stratégique et opérationnelle qui visent à améliorer le modèle de soins ambulatoires en oncologie.

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)0,013
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,851
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,053
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,194
Tête enseignante GPT0,439
Écart entre enseignants0,245 · 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'étudeObservationnel
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Oncology Nursing JournalMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207