Teaching Quality Improvement and Patient Safety to Trainees: A Systematic Review
Notice bibliographique
Résumé
PURPOSE: To systematically review published quality improvement (QI) and patient safety (PS) curricula for medical students and/or residents to (1) determine educational content and teaching methods, (2) assess learning outcomes achieved, and (3) identify factors promoting or hindering curricular implementation. METHOD: Data sources included Medline (to January 2009), EMBASE, HealthSTAR, and article bibliographies. Studies selected reported curricula outlining specific educational content and teaching format. For articles with an evaluative component, the authors abstracted methodological features, such as study design. For all articles, they conducted a thematic analysis to identify factors influencing successful implementation of the included curricula. RESULTS: Of 41 curricula that met the authors' criteria, 14 targeted medical students, 24 targeted residents, and 3 targeted both. Common educational content included continuous QI, root cause analysis, and systems thinking. Among 27 reports that included an evaluation, curricula were generally well accepted. Most curricula demonstrated improved knowledge. Thirteen studies (32%) successfully implemented local changes in care delivery, and seven (17%) significantly improved target processes of care. Factors that affected the successful curricular implementation included having sufficient numbers of faculty familiar with QI and PS content, addressing competing educational demands, and ensuring learners' buy-in and enthusiasm. Participants in some curricula also commented on discrepancies between curricular material and local institutional practice or culture. CONCLUSIONS: QI and PS curricula that target trainees usually improve learners' knowledge and frequently result in changes in clinical processes. However, successfully implementing such curricula requires attention to a number of learner, faculty, and organizational factors.
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 | 0,120 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,013 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| 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 ».