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
Notice bibliographique
Résumé
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.
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 | 0,022 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».