Co‐creating an everyday language illustration of learning health systems alongside patient, caregiver, and community partners
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.
Notice bibliographique
Résumé
Introduction: Patients, caregivers, and community partners (PCC) can have a variety of roles in learning health systems (LHS), such as contributing their data from healthcare encounters to embedded, continuous engagement where they identify health system priorities, guide operational, research, and quality improvement decisions, and facilitate knowledge sharing and implementation. Despite many LHS models placing emphasis on PCC, little has been done to help members of the public understand what a LHS is or initiate dialogue about how they can learn more and become engaged. We brought together a national network of PCC to co-create an everyday language, arts-based resource for the public to learn what a LHS is and how it relates to patient care journeys. Methods: Thirteen PCC with LHS experience from across Canada attended two 2-h virtual workshops to generate ideas on how to better define LHS using everyday language, determine accessible ways to share this information, and co-design a comic strip that can be widely shared across diverse settings and communities. Results: We co-created a six-panel comic strip that depicts a relatable patient experience of waiting in an emergency department. The comic shows that in a LHS, patients are invited to contribute their perspectives about improving healthcare and support implementing and testing new ideas in clinical settings. Creating this comic was considered important for various reasons: to promote a common language around LHS, to build trust between health systems and the public, and to widen the community of PCC who are engaged in LHS activities. Conclusions: This comic is intended to build capacity for LHS culture, where the public can understand how continuous learning and improvement fit within health care, and learn about opportunities for engagement in LHS.
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 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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle