Applying the principles of Design Thinking to the Intensive Care Environment
Notice bibliographique
Résumé
Patient-centered care and evidence-based medicine are mantras that form the foundation of modern healthcare practice. Yet, most of the tools for designing healthcare solutions, including randomized control trials, quality improvement initiatives, and even qualitative research, are often better adapted to providing an evidence-based foundation for practice at the expense of patient, family, and healthcare worker needs. These approaches tend to focus on improving outcomes and processes (Grys, 2022). Stakeholders — particularly patients, but also staff – are objects being scrutinized by “experts” under the scientific or medical gaze, filtering out what the “expert” deems as irrelevant (O’Callaghan, 2022). However, outcomes and processes are not sufficient if they do not prioritize human voice, dignity, and participation. Design thinking provides a complementary approach to evidence-based medicine by engaging the person in experimenting, prototyping, giving feedback, and redesigning healthcare solutions centered around the needs of humans (Razzouk & Shute, 2012). This article describes the process of design thinking as an approach to the creation of human-centered solutions and makes reference to the implementation of the design thinking process in the intensive care unit (ICU) of SickKids, an academic paediatric hospital in Ontario.
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 | 0,059 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,070 |
| Communication savante | 0,016 | 0,009 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».