MétaCan
Menu
Retour à la cohorte
Enregistrement W4391035898 · doi:10.1177/23743735231223854

Co-designing Healthcare Quality Improvement: The Kovacs Burns & George Orientation Guide

2024· article· en· W4391035898 sur OpenAlexaff
Marian George, Katharina Kovacs Burns

Notice bibliographique

RevueJournal of Patient Experience · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensAlberta HealthUniversity of AlbertaAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésWorkbookHealth careQuality (philosophy)Quality managementNursingBusinessPublic relationsPsychologyKnowledge managementProcess managementMedicinePolitical scienceComputer scienceMarketingService (business)

Résumé

récupéré en direct d'OpenAlex

To prepare healthcare organizations and patients/families to be equally ready to become partners in co-designing healthcare policy, practices, and improvements, there is a need to (1) understand how "co-design ready" organizations and their staff and care providers are to co-design health care policies, practices, and improvements with patients and families; (2) understand how prepared patients and families, as users of the health system, are to step into co-designer roles with confidence so that their voices will be heard as they influence the development or changes to improve healthcare system policies, services, practices, and products; (3) anticipate and/or address challenges with meeting the expectations of what is involved with the co-design approach, including with recruiting, preparing, and training care setting leaders, staff/care providers, and patient/family advisors; (4) ensure care settings provided appropriate tools and resources to support co-design; and (5) guide the shift in culture from engagement to co-design. Recommendations for enabling co-design in care settings include providing an orientation and preparation workshop and guide/workbook. An example of an orientation and preparation workshop is shared.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0050,003
Science ouverte0,0020,006
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0270,018

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 Opus0,228
Tête enseignante GPT0,515
Écart entre enseignants0,287 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Patient ExperienceMême sujetMental Health and Patient InvolvementTravaux en français237 207