MétaCan
Menu
Retour à la cohorte
Enregistrement W69509063 · doi:10.1055/s-0038-1634225

Getting the Big Picture

2003· article· en· W69509063 sur OpenAlexafffund
Ellen Balka

Notice bibliographique

RevueMethods of Information in Medicine · 2003
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaHealth Canada
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: While recognized that global actors influence health information system design, studies of health informatics have largely focused on micro politics of technology design and implementation. Here a problematic patient care information system (PCIS) is discussed in relation to federal and provincial policies and corporate strategies to demonstrate that our understanding of health informatics can be enhanced by linking micro studies of health informatics to larger macro contexts. METHODS: Interviews and document study. RESULTS: Although the extent to which federal initiatives influenced (or failed to influence) provincial and hospital initiatives remains debateable, events initiated at one level (the hospital's decision to implement software, initiated at the organizational level) are influenced (perhaps indirectly) by developments in other contexts (federal/macro changes gave an initiative more weight; provincial initiatives such as the Labour Accord altered the industrial relations environment in which system development occurred). CONCLUSIONS: Micro-studies of work practice, invaluable in addressing interactions between technologies, users and work practices, often fail to account for the historic reach of global actors, although it is often these historic circumstances that contribute to present-day interactions between user, information system and organization, and that find expression - often indirectly - in daily work practices.

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)0,014
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,215

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0070,012
Communication savante0,0260,042
Science ouverte0,0030,018
Intégrité de la recherche0,0090,018
Charge utile insuffisante (le modèle a refusé de juger)0,0640,016

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,534
Écart entre enseignants0,432 · 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'étudeSans objet
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

Citations59
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethods of Information in MedicineMême sujetElectronic Health Records SystemsTravaux en français237 207