MétaCan
Menu
Retour à la cohorte
Enregistrement W4224212420 · doi:10.12927/hcq.2022.26774

In Pursuit of Better Care Transitions: Lessons Learned from a Co-Designed Project

2022· article· en· W4224212420 sur OpenAlexvenueaboutno aff
Kerry Kuluski, I. McLaughlin, Lisa Bennett, Lucy Bilotta, Bernadette Farrell, Murray Powell, Monika Syed

Notice bibliographique

RevueHealthcare Quarterly · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBest practiceProcess managementNursingMedical educationMedicinePsychologyBusinessPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

In this commentary, we reflect on our experience of co-designing an intervention to address challenges due to delayed hospital discharge (known as alternate level of care in Canada).Through a series of focus groups and co-design sessions, we identified common challenges with delayed discharge (including a lack of services while waiting for discharge and poor communication with the care team).In co-designing service improvements, we (1) amplified the voices of patients and caregivers, which helped them feel unified in their experience and (2) developed tools that aim to improve patient, caregiver and provider experiences.In this commentary, we reflect on these impacts along with the key lessons learned.P = Patient or caregiver partner. Key Points• We co-created a strategy (i.e., components of an intervention) to address challenges with delayed hospital discharge (a care quality issue experienced by health systems worldwide).• Starting at the very beginning of the project, shared leadership (i.e., shared power) among all stakeholders was essential to create a safe space to open up.• Projects can lose momentum if participants do not stay connected to people (i.e., decision makers) who have the power to make the change required for the co-designed activity/intervention to be adopted and implemented.

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)0,142
score de la tête « metaresearch » (Gemma)0,247
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,749

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1420,247
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0220,015
Communication savante0,0110,008
Science ouverte0,0060,017
Intégrité de la recherche0,0110,018
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 Opus0,121
Tête enseignante GPT0,456
Écart entre enseignants0,335 · 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'étudeQualitatif
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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetPrimary Care and Health OutcomesTravaux en français237 207