MétaCan
Menu
Retour à la cohorte
Enregistrement W4393861757 · doi:10.1177/08404704241239864

Growing a provincial patient and family engagement network to optimize kidney care

2024· article· en· W4393861757 sur OpenAlexafffund
Helen Chiu, Brenda Ken San Lee, Laura Lee Bennett, John Spensley, William Walker Dear, Winphia Koo, S Saunders, Gloria Freeborn

Notice bibliographique

RevueHealthcare Management Forum · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensProvidence Health Care
Organismes subventionnairesProvincial Health Services AuthorityBC Renal AgencyKidney Foundation of Canada
Mots-clésOperationalizationOutreachCommunity engagementPublic relationsHealth carePatient careResource (disambiguation)MedicineNursingBusinessPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Patient and family engagement is crucial for a responsive health system and improves patient outcomes. However, few practical resources for purposeful engagement are available to health leaders. Over the past five years, BC Renal, the provincial kidney care network in British Columbia, developed, operationalized, and implemented a framework to enable meaningful patient and family engagement. An advisory committee, comprising patient partners and representatives from health authorities and the community, directs the outreach, resource development, and evaluation of patient and family engagement at BC Renal. Here, we describe how our network-wide patient engagement strategy was developed and expanded upon, and the progress so far. A 2022 survey reports that 95% were satisfied with the engagement opportunities, and narrative feedback suggests network members continue to adopt practical ways to collaborate more effectively. Health leaders, patient partners, and others continue to align operational and strategic activities to advance culture change in kidney care provincially.

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)0,010
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,361
Score d'incertitude au seuil0,719

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,002
Communication savante0,0050,002
Science ouverte0,0020,013
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,088
Tête enseignante GPT0,379
Écart entre enseignants0,292 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

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