MétaCan
Menu
← Retour à la cohorte
Enregistrement W4319989871 · doi:10.1370/afm.21.s1.3578

Building a Learning Health System for Major Neurocognitive Disorders: The Creation of Regional Portraits as a Supporting Tool

2023· article· en· W4319989871 sur OpenAlexaboutno aff
Geneviève Arsenault‐Lapierre, Maxime Guillette, Alexandra Lemay-Compagnat, Louis Rochette, Victoria Massamba, Yves Couturier, Eric Maubert, Christine Fournier, Caroline Morin, Caroline Boudreau, Isabelle Vedel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Systems and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Thematic analysisHealth careKnowledge managementBusinessMedical educationPublic relationsMedicineComputer sciencePolitical scienceSociologyGeographyQualitative research

Résumé

récupéré en direct d'OpenAlex

Context: Providing context-specific information and fostering reflective practice is essential to support a learning health system. Regional health boards in Quebec, Canada, have the responsibility to ensure implementation of the Quebec Alzheimer’s Plan (QAP) in primary, secondary, and tertiary care services but need support. As such, we have developed and disseminated regional portraits on dementia care. Objective: To describe the lesson learned and next steps on the development and presentations of regional portraits. Design: A multi-methods study with a participatory approach. Setting: Quebec, Canada. Population: Stakeholders (ministerial decision-maker and project managers, managers and clinicians from the 23 regional health board, and researchers/scientific advisors). Methods: We selected, with stakeholders, 9 indicators (prevalence, regular physician visits, emergency visits, and hospitalizations) and measured them in 2019-20. Also, we thematically analysed the last 3 years of ongoing QAP implementation evaluation reports and meetings. We combined these results to formulate, with stakeholders, key messages for each regional health board. Along with ministerial decision-maker and project managers, we presented these portraits to regional managers and clinicians. Real-time notes were taken using structured observation guide. A thematic analysis was performed. Results: The development of the portraits was facilitated by a strong and ongoing alliance between the stakeholders. Researchers and scientific advisors identified the most relevant data available; project managers ensured the formulated messages were meaningful to regional managers and clinicians; and policymakers ensured the collected data was useful to support the implementation of QAP. The regional managers and clinicians proposed ways to improve the portraits (i.e., adding indicators), and to regularly update and integrate these portraits into steering committees. Monitoring the indicators as precisely presents challenges, including regularly obtaining current data. Conclusion: This innovative project supports a learning health system for the care of persons with dementia. Specifically, it stimulates the emergence of regional and provincial innovations in dementia care to accomplish the implementation of the QAP, ensure its local appropriation and perpetuates sustainable transformed practices. Proposed solutions will guide the preparation of next iteration of regional portraits.

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)0,053
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,280

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0220,014
Communication savante0,0130,012
Science ouverte0,0050,021
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,117
Tête enseignante GPT0,500
Écart entre enseignants0,384 · 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'étudeSans objet
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealthcare Systems and Practices→Travaux en français237 207→