Building a multidisciplinary team for burn treatment - Lessons learned from the Montreal tendon transfer experience.
Notice bibliographique
Résumé
Multidisciplinary teams (MDTs) represent a recognized component of care in the treatment of complex conditions such as burns. However, most institutions do not provide adequate support for the formation of these teams. Furthermore, the majority of specialists lack the managerial skills required to create a team and have difficulties finding the proper tools. Our objective is to provide an insight for health care professionals, who wish to form a MDT for burn treatment, on the challenges that are likely to be faced, and to identify key elements that may facilitate the establishment of such a project. The setting for this was a plastic surgery department and rehabilitation center at a national reference center. A qualitative analysis was performed on all correspondences related to our tetraplegia project, from 2006 to 2008. To guide our thematic analysis, we used a form of systems theory known as the complexity theory. The qualitative analysis was performed using the NVivo software (Version 8.0 QSR International Melbourne, Australia). Lastly, the data was organized in chronologic order. Three main themes emerged from the results: knowledge acquisition, project organizational setup and project steps design. These themes represented respectively 24%, 50% and 26% of all correspondences. Project steps design and knowledge acquisition correspondences increased significantly after the introduction of the mentor team to our network. We conclude that an early association with a mentor team is beneficial for the establishment of a MDT.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».