Metrics used in quality improvement publications addressing environmental sustainability in healthcare: A scoping review protocol
Notice bibliographique
Résumé
Quality improvement approaches are increasingly being used to address the problem of healthcare's climate and ecological impact. While sustainability is increasingly recognized as a domain of quality, consensus is lacking on the most appropriate measures and metrics for those looking to reduce ecological impacts through quality improvement initiatives. We propose a scoping review to summarize approaches for selecting and quantifying ecological impacts in the published quality improvement literature. We will search multiple electronic databases (MEDLINE, EMBASE, CINAHL, and Scopus) from 2000 onwards, to identify published quality improvement initiatives in the human healthcare setting intended to address ecological impact with at least one quantitative measure of ecological impact, such as kilograms of carbon dioxide equivalent greenhouse gas. Two independent reviewers working in parallel will screen studies for inclusion and abstract study data, including publication, study, and ecological impact characteristics. Charted data will be synthesized narratively as well as with descriptive tables, figures, and summary statistics. In doing so, we will map areas of relative focus as well as gaps in the measurement of ecological impact across quality improvement initiatives. This map can in turn be used to raise awareness of ecological impacts requiring broader consideration, encouraging holistic and clinically relevant approaches to measuring ecological impact in future quality improvement work.
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 | 0,201 | 0,194 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,014 | 0,019 |
| Bibliométrie | 0,042 | 0,034 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,008 | 0,012 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,016 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».