Academic hospitals in the Toronto region collaborate to optimize occupational health and safety
Notice bibliographique
Résumé
In March 2020, as the COVID-19 cases began to rise in Ontario, Canada, the central role of Occupational Health and Safety (OHS) to ensure the well-being of hospital workforce became highly visible. While Ontario's hospitals concentrated efforts to meet each challenging and uncertain wave stressing the system, it was apparent that there is a lack of consistency in best practices and policy response across the healthcare sector. Additionally, the unprecedented pressure on healthcare workforce as they attempted to meet the pandemic's new surging demands resulted in workforce shortages and increased levels of burnout, making it difficult to engage, support, and retain the staff necessary for delivering highest quality of services. The Toronto Academic Health Science Network (TAHSN), a dynamic consortium of 14 healthcare organizations, established a collaborative to implement an integrated effort and align on structure, processes, and standards that will increase strength and defensibility of TAHSN programs. To foster community building, identify areas of common concern, and co-create practices during and beyond the COVID-19 pandemic, a structured network of 14 OHS directors across the healthcare organizations was established. This article discusses the origin of the TAHSN collaborative, the thriving community vision for partnership, and the case study methodology used to combine capabilities to showcase innovation and excellence in care together.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,018 | 0,007 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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.
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 ».