Quelle gouvernance qualité pour demain ?
Bibliographic record
Abstract
L’enquête menée en 2022 sur « La gouvernance qualité de demain » a un double objectif : établir un état des lieux de la gouvernance qualité dans les centres hospitalo-universitaires (CHU) de France et recueillir les projections à 10 ans. L’enquête s’est déroulée de mars à septembre 2022. Les 32 CHU ont été sollicités, le taux de réponse est de 90%. Les résultats ont été présentés lors de la commission qualité de la Conférence des directeurs généraux de CHU organisée à l’assistance publique-Hôpitaux de Paris le 14 octobre 2022. Cette journée a été enrichie de retours d’expérience d’hôpitaux universitaires étrangers (Montréal, Louvain, Stockholm, Genève). L’enquête et la journée d’échanges ont permis de définir de grands objectifs tels que : l’intégration systématique de la dimension qualité sécurité des soins dans tous les projets stratégiques et opérationnels ; l’identification, la mise en lumière et la valorisation des missions qualité des professionnels médicaux ou paramédicaux à tous les niveaux (institutionnel, pôles, services) ; l’automatisation des indicateurs qualité et leur mise à disposition à l’échelle des services afin de faciliter leur appropriation par les équipes pluriprofessionnelles.
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 | 0.016 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".