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 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 | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».