Quality indicators used by trauma centers for performance measurement
Notice bibliographique
Résumé
BACKGROUND: To describe the quality indicators (QIs) that trauma centers use for quality measurement and performance improvement. Measuring and reporting quality of care is a critical step to improve the quality of care. QIs compare actual trauma care against ideal criteria and identify patients in whom care may have been suboptimal and should be further reviewed. METHODS: Three hundred thirty verified trauma centers in the United States, Canada, Australia, and New Zealand had their websites reviewed and leadership surveyed regarding QI use. The indicators identified were classified according to definition specifications, phase of care, Institute of Medicine aims, and contents. RESULTS: Two hundred fifty-one centers responded to the survey (76%) and the majority (97%) indicated that they use QIs. We obtained 10,587 QIs from 262 centers (survey responses and website review) of which 1,102 were unique indicators. The QIs primarily assessed the safety (49%), effectiveness (32%), efficiency (27%), and timeliness (22%) of hospital processes (64%) and outcomes (24%). The majority of indicators were used by a small number of centers (551 of 1,102 unique indicators used by single centers). CONCLUSION: Our study provides the first description of the QIs used by verified trauma centers in four high-income countries with similar systems of trauma care. The majority of trauma centers measure QIs designed to examine the safety, effectiveness, efficiency, and timeliness of hospital processes and outcomes. Opportunities exist to standardize existing QIs to allow broader implementation and develop new QIs to examine patient-centered care and equality of care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».