MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417273859 · doi:10.12927/hcq.2025.27727

A Regional Surgical Partnership Program: Lessons Learned in System Transformation of Pediatric Surgical Care

2025· article· en· W4417273859 sur OpenAlexaffvenueabout
Jessica Ivan, Natasha Bruno, Mary Chen, Bonnie Fleming‐Carroll, Daniela D'Annunzio, Jacqueline Howling, Karen Kinnear, Abhaya V. Kulkarni, Tharini Paramananthan, Lisa Pendergast, Jeannette So, Julia Orkin

Notice bibliographique

RevueHealthcare Quarterly · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensNorth York General HospitalHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésStaffingGeneral partnershipPediatric hospitalSurgical proceduresTertiary carePediatric surgeryPediatric SurgeonAcute care

Résumé

récupéré en direct d'OpenAlex

The province of Ontario has seen significant growth in the waitlists for both pediatric surgery and pediatric endoscopy. Due to long-standing resource constraints exacerbated by the COVID-19 pandemic, the surgical waitlist at a pediatric tertiary hospital in Toronto had risen to over 6,500 patients by April 2023, with 65% beyond nationally validated wait time targets (out-of-window). A regional Surgical and Endoscopy Community Partnerships program was developed with five partner hospital sites to build capacity and decentralize pediatric surgical care by transferring select low-acuity patients, primarily targeting the longest-waiting cases, from the pediatric tertiary hospital waitlists to partner hospitals closer to their homes. Each of the partner hospitals had pre-existing pediatric surgical programs and the necessary infrastructure and staffing to support the referred patients. Between April 2023 and March 2024, this program transitioned more than 650 pediatric cases to partner hospitals, reducing the waitlist by approximately 10%. Early program success has demonstrated that an integrated system-wide approach to the provision of pediatric surgical care is a viable model for future surgical care delivery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil0,582

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,005
Communication savante0,0080,005
Science ouverte0,0030,009
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,115
Tête enseignante GPT0,448
Écart entre enseignants0,332 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare Quarterly→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→