Internasjonale anbefalinger om nasjonale melde- og varselordninger for uønskede hendelser i helsetjenesten: et systematisk litteratursøk med sortering
Notice bibliographique
Résumé
Hovedbudskap\nFormålet med nasjonale melde- og varselordninger for uønskede hendelser er å bidra til forbedring av helsetjenesten. Ordningene skal fremme læring og forebygging av at nye hendelser oppstår ved å utrede hendelsesforløp, årsaksfaktorer og årsakssammenhenger og å avdekke behov for korrigerende tiltak. Mange land har etablert slike nasjonale melde- og varselordninger, og de er innrettet på ulike måter. Men hva er egentlig beste praksis?\nI dette systematiske litteratursøket med sortering har vi søkt bibliografiske databaser, gjennomgått referanselister og siteringer, og besøkt relevante organisasjoners nettsteder for å kunne gi en enkel oversikt over hva som finnes av internasjonale anbefalinger om hvordan nasjonale melde- og varselordninger bør innrettes.\nVi inkluderte 18 publikasjoner utgitt 2000-2020. I elleve av publikasjonene er anbefalingene utarbeidet med bakgrunn i forhold i et bestemt land (Canada, Danmark, Irland, Norge, Spania, Storbritannia og USA), men antas å ha relevans utover landegrenser. Øvrige syv er adressert til flere land (EU; OECD) eller hele verden.\nDet finnes trolig anbefalinger vårt litteratursøk ikke har identifisert. Med publikasjoner fra blant annet organisasjoner som WHO, EU, OECD og anbefalinger med utgangspunkt i systemer som National Reporting and Learning System i Storbritannia etter femten års drift, mener vi likevel at denne oversikten over internasjonale anbefalinger om nasjonale melde- og varselordninger er et godt utgangspunkt for videre arbeid.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,065 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,021 | 0,018 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,018 |
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 source (Gemma direct ou Codex distillé), 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 ».