Performance indicators in long term care:International studies on their nature and use
Notice bibliographique
Résumé
The thesis focuses on the role of performance indicators in long-term care (LTC) systems, emphasizing their importance in monitoring and improving care quality. It highlights the challenges of using indicators due to variations across different countries and systems. The research includes empirical studies examining the nature and use of LTC performance indicators from an international perspective.<br/><b>Part I</b> explores performance indicators in multiple countries, showing how they are used to assess care quality. It reveals commonalities in monitored aspects, such as pressure ulcers and falls, but also differences in data collection and regulatory approaches. The analysis shows that many jurisdictions lack a comprehensive framework for LTC performance measurement.<br/><b>Part II</b> presents case studies on the impact of performance indicators. One study examines the effects of public reporting on care quality in Canada, suggesting that publishing indicators can drive improvements but is influenced by existing initiatives. Another study investigates how indicators could support crisis preparedness, analyzing COVID-19 outbreak management in Tuscany nursing homes. The findings suggest that not all indicators are equally relevant for crisis response.<br/>The thesis underscores the role of stakeholders as co-creators of performance intelligence. It calls for refining performance indicators, improving international comparability, and engaging stakeholders in designing effective monitoring systems. Policymakers are advised to integrate multiple improvement strategies rather than relying solely on performance measurement. Overall, the research provides insights to enhance the effectiveness, equity, and resilience of LTC systems worldwide.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».