MétaCan
Menu
Retour à la cohorte
Enregistrement W4406914764 · doi:10.1002/lrh2.10470

Advancing environmentally sustainable learning health systems: Perspectives from a Canadian health center

2025· article· en· W4406914764 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueLearning Health Systems · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensIzaak Walton Killam Health CentreDalhousie University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHealth careSustainabilityBusinessThematic analysisKnowledge managementProcess managementEnvironmental planningEnvironmental resource managementPublic relationsQualitative researchPolitical scienceComputer scienceSociologyGeography

Résumé

récupéré en direct d'OpenAlex

Background: There is increasing demand for health systems to reduce greenhouse gas emissions and invest in climate-resilient health care. Coordinating organizational structures and processes for reducing health system emissions presents challenges. Learning health systems, defined as systems that seek to continuously generate and apply evidence, innovation, quality, and value in health care, can guide health systems with planning organizational structures and processes to advance environmentally sustainable healthcare. The purpose of this research is to gather in-depth insight from key health system leaders and healthcare professionals to identify challenges and recommendations for planning environmentally sustainable learning health systems. Methods: Environmental scan methods were used, comprising jurisdictional literature review and informal discussions with key informants at one tertiary care center in Nova Scotia, Canada. Key informants were asked to describe challenges of coordinating environmentally sustainable health system structures and processes, and recommendations to advance planning for environmentally sustainable learning health systems. Deductive thematic analysis was used to categorize challenges and recommendations into seven characteristics of a learning health system framework. Results: Informal discussions with 16 key informants provide detailed descriptions of 7 challenges and recommendations for planning and coordinating organizational structures and processes to advance environmentally sustainable learning health systems. Health system challenges include limited patient and community engagement, no systematic approach to measuring and monitoring emissions data, and limited knowledge of sustainability co-benefits and strategies for mobilizing sustainable organizational change. Recommendations include engaging patients and communities in co-creation of sustainable healthcare, monitoring of emissions data identifying high-impact areas for action, and well-coordinated leadership supporting sustainable policies, procedures, and decision-making in practice. Conclusion: Learning health systems provide structure for establishing critical processes to adapt to routinely collected data through rapid cycle improvements, and operationalization of value-based health care that prioritizes health outcomes, reduction of costs, and mitigating environmental impacts.

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.

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)0,004
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,013
Tête enseignante GPT0,295
Écart entre enseignants0,282 · 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