MétaCan
Menu
Retour à la cohorte
Enregistrement W4393318975 · doi:10.1177/08404704241239862

An end to the “muffin meeting”: Conceptualizing power and navigating tokenism in patient engagement for health leaders

2024· article· en· W4393318975 sur OpenAlexaffabout
Steven Slowka

Notice bibliographique

RevueHealthcare Management Forum · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésTokenismPower (physics)Health carePublic relationsContext (archaeology)Set (abstract data type)PsychologyPolitical scienceSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Patient engagement is emerging as a priority for Canadian health leaders. Alongside the proliferation of patient engagement efforts in healthcare organizations and networks, awareness that tokenism can potentially occur within such efforts, as well as strategies to mitigate it, are gaining increased attention. While many actions associated with more tokenistic forms of patient engagement have been identified, this article posits there is a need to pay critical attention to the concept and role of power in enabling these actions in the first place. Of particular importance is how power and knowledge work to shape healthcare organizations and can create unequal relations with the patients they seek to engage. Drawing on the literature, this article serves as a theoretical roadmap for health leaders to think critically about power, as well as a set of prompts that can be used to reflexively consider their role in navigating power dynamics in the context of patient engagement efforts. This article contends that building awareness of power is a critical step for health leaders and organizations and that navigating power differences is a necessary leadership competency for engaging patients in decision-making throughout all stages of healthcare improvement and organizational change efforts.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,564
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,170
Tête enseignante GPT0,469
Écart entre enseignants0,298 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetMental Health and Patient InvolvementTravaux en français237 207