New horizons in systems engineering and thinking to improve health and social care for older people
Notice bibliographique
Résumé
Existing models for the safe, timely and effective delivery of health and social care are challenged by an ageing population. Services and care pathways are often optimised for single-disease management, while many older people are presenting with multiple long-term conditions and frailty. Systems engineering describes a holistic, interdisciplinary approach to change that is focused on people, system understanding, design and risk management. These principles are the basis of many established quality improvement (QI) tools in health and social care, but implementation has often been limited to single services or condition areas. Newer engineering techniques may help reshape more complex systems. Systems thinking is an essential component of this mindset to understand the underlying relationships and characteristics of a working system. It promotes the use of tools that map, measure and interrogate the dynamics of complex systems. In this New Horizons piece, we describe the evolution of systems approaches while noting the challenges of small-scale QI efforts that fail to address whole-system problems. The opportunities for novel soft-systems approaches are described, along with a recent update to the Systems Engineering Initiative for Patient Safety model, which includes human-centred design. Systems modelling and simulation techniques harness routine data to understand the functioning of complex health and social care systems. These tools could support better-informed system change by allowing comparison of simulated approaches before implementation, but better effectiveness evidence is required. Modern systems engineering and systems thinking techniques have potential to inform the redesign of services appropriate for the complex needs of older people.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».