Études de cas sur l’impact de l’intégration du programme d’Agrément Canada sur le changement et l’apprentissage organisationnel : la Health Authority of Anguilla et la Ca’ Foncella Ospetale di Treviso
Bibliographic record
Abstract
Cette recherche évalue si l’intégration du programme d’agrément MIRE (Mesures implantées pour le renouveau de l’évaluation) d’Agrément Canada, anciennement Conseil canadien d’agrément des services de santé, engendre du changement et de l’apprentissage organisationnel. Elle étudie le cas de deux organismes de santé, la Health Authority of Anguilla (HAA) et la Ca’ Foncella Opetale de Treviso (CFOT). La recherche comporte trois niveaux d’analyse pour lesquels des données qualitatives et quantitatives ont été recueillies : 1) les membres des équipes d’agrément; 2) les équipes d’agrément; 3) l’organisme dans son ensemble. Des questionnaires individuels administrés aux membres des équipes, des entretiens semi-structurés avec les chefs des équipes et les coordonnateurs de la qualité, une revue de documentation et plusieurs mesures périodiques du niveau de compliance aux normes MIRE ont été les techniques de collecte de données utilisées. Les résultats indiquent que les organismes ont opéré des transformations : 1) stratégiques; 2) de l’organisation; 3) des relations avec son environnement. Ils ont amélioré leurs systèmes et leurs pratiques de gestion de même que leurs communications internes et externes. Il y a eu aussi des apprentissages utiles par les individus, les équipes et les organismes. Les apprentissages individuels concernaient les programmes qualité, l’approche centrée sur la clientèle, la gestion des risques, l’éthique professionnelle, la gestion participative et l’évaluation des services. Les étapes « autoévaluation » et « apporter des améliorations et donner suite aux recommandations » du cycle d’agrément ont contribué le plus au changement et à l’apprentissage organisationnel. Les équipes interdisciplinaires d’agrément ont été le véhicule privilégié pour réaliser ces changements et ces apprentissages. La HAA et la CFOT ont amélioré progressivement leur niveau de compliance aux normes dans toutes les dimensions de la qualité, au niveau des équipes d’agrément et pour l’ensemble de l’organisation. Néanmoins, l’amélioration du niveau global de compliance était en deçà de la limite minimum des exigences du programme pour l’obtention d’un statut d’agrément sans restrictions importantes. L’envergure des changements et des apprentissages réalisés soulève la question de la capacité des organismes d’institutionnaliser ces nouvelles connaissances. La CFOT pourrait y arriver étant donné les ressources et les compétences à sa disposition.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.022 | 0.045 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".