Laying Down the Groundwork for an International Measurement Infrastructure
Notice bibliographique
Résumé
Abstract The COVID-19 epidemic has brought to light the significant problems in the long-term care (LTC) sector, specifically the lack of an infrastructure to collect and aggregate data between LTC sectors in different countries. This talk will briefly describe goals of the WE-THRIVE initiative, and focus on exploring the development of “workforce and staffing” common data elements for LTC. We will describe how the subgroup is “laying down the groundwork” within this domain with various methodologies to develop CDEs related to workforce and staffing. The CDEs aim to measure staff retention and turnover, evaluating nursing supervisor effectiveness, and staff training in LTC. Anticipated challenges of this international work will also be highlighted. International research on LTC can valuably inform LTC policy and practice, and the proposed CDEs can facilitate data sharing and aggregation internationally, including low-, middle-, and high-income countries.
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 | 0,363 | 0,491 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,016 | 0,018 |
| Études des sciences et des technologies | 0,007 | 0,013 |
| Communication savante | 0,025 | 0,050 |
| Science ouverte | 0,010 | 0,036 |
| Intégrité de la recherche | 0,007 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,006 |
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 ».