MétaCan
Menu
Retour à la cohorte
Enregistrement W4386320067 · doi:10.1080/23288604.2023.2242112

Hospital Resilience to the COVID-19 Pandemic in Five Countries: A Multiple Case Study

2023· editorial· en· W4386320067 sur OpenAlexafffundabout
Valéry Ridde, Lola Traverson, Kate Zinszer

Notice bibliographique

RevueHealth Systems & Reform · 2023
Typeeditorial
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesJapan Science and Technology AgencyCanadian Institutes of Health ResearchStrategic International Collaborative Research ProgramAgence Nationale de la Recherche
Mots-clésPreparednessPandemicCoping (psychology)Psychological resilienceCoronavirus disease 2019 (COVID-19)PsychologyTransformative learningNursingMedicinePolitical scienceSocial psychologyPsychiatryDisease

Résumé

récupéré en direct d'OpenAlex

Since the beginning of the pandemic, hospitals have been central to the COVID-19 response, often experiencing severe financial, material, and human constraints. In this special issue, we present some of the findings of the HoSPiCOVID research project. One of its main objectives was to compare hospital responses to the first and second waves of the COVID-19 pandemic in Brazil, Canada, France, Japan, and Mali. Studying and comparing how nine different hospitals coped with the pandemic in terms of preparedness and response allowed us to: 1) identify strengths and weaknesses of their responses, including challenges for hospital professionals; and 2) produce lessons learned, using a systematic approach to reflect and analyze their potential of resilience to the crisis. In the five countries, research teams conducted in-depth qualitative studies focused on nine large hospitals, using observation sessions, semistructured interviews with hospital professionals, and lessons learned workshops. The empirical work was supported by an original analytical framework on hospital resilience and a heuristic tool focused on configurations. The studies demonstrate that the hospitals were able to absorb and/or adapt to the crisis by deploying different coping mechanisms, which often required extensive involvement of hospital professionals. More extended study periods would be needed to assess the sustainability of these coping mechanisms and discern whether they have transformative potential. These international comparisons of hospital resilience, based on studies of contrasting contexts and epidemiological situations, allowed researchers to identify lessons learned to support hospital decision-makers in thinking more deeply about managing future health crises.

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)0,009
score de la tête « metaresearch » (Gemma)0,012
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: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0120,005
Communication savante0,0040,004
Science ouverte0,0020,007
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,076
Tête enseignante GPT0,468
Écart entre enseignants0,392 · 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
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Systems & ReformMême sujetDisaster Response and ManagementTravaux en français237 207