Improving care in surgery – a qualitative study of managers’ experiences of implementing evidence-based practice in the operating room
Notice bibliographique
Résumé
Background: More knowledge is needed on the preconditions and circumstances for leading implementation of evidence based practice in the operating room (OR). Effective leadership support is critical to enhance the provision of safer care. The aim of this study was to explore managers’ and clinical leaders’ experiences of implementing evidence-based practice to increase patient safety in the operating room.Methods: The study had a qualitative descriptive design. In all, 25 managers were interviewed, with different surgical specialities (orthopedics, general and pediatric surgery) and operating room suites, from eight hospitals and 15 departments.Results: The organizational structures were defined as key obstacles to implementation. Specifically, lack of a common platform for cooperation between managers from different departments, organizational levels and professional groups impeded the alignment of shared goals and directions. In cases where implementation was successful, well-functioning and supportive relationships between the managers from different professions and levels were crucial along with a strong sense of ownership and control over the implementation process. Whilst managers expressed the conviction that safety was an important issue that was supported by top management, the goal was usually to “get through” as many operations as possible. This created conflicts between either prioritizing implementation of safety measures or production goals, which sometimes led to decisions that were counter to evidence-based practice (EBP). While evidence was considered crucial in all implementation efforts, it might be neglected and mistrusted if hierarchical boundaries between professional subgroups were challenged, or if it concerned preventive innovations as opposed to technical innovations.Conclusions: The preconditions for implementing EBP in the OR are suboptimal; thus addressing leadership, organizational and interprofessional barriers are of vital importance.
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 | 0,021 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,010 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».