Factors That Influence Line Managers' Perceptions of Hospital Performance Data
Notice bibliographique
Résumé
OBJECTIVE: To design and test a model of the factors that influence frontline and midlevel managers' perceptions of usefulness of comparative reports of hospital performance. STUDY SETTING: A total of 344 frontline and midlevel managers with responsibility for stroke and medical cardiac patients in 89 acute care hospitals in the Canadian province of Ontario. STUDY DESIGN: Fifty-nine percent of managers responded to a mail survey regarding managers' familiarity with a comparative report of hospital performance, ratings of the report's data quality, relevance and complexity, improvement culture of the organization, and perceptions of usefulness of the report. EXTRACTION METHODS: Exploratory factor analysis was performed to assess the dimensionality of performance data characteristics and improvement culture. Antecedents of perceived usefulness and the role of improvement culture as a moderator were tested using hierarchical regression analyses. PRINCIPAL FINDINGS: Both data characteristics variables including data quality, relevance, and report complexity, as well as organizational factors including dissemination intensity and improvement culture, explain significant amounts of variance in perceptions of usefulness of comparative reports of hospital performance. The total R2 for the full hierarchical regression model = .691. Improvement culture moderates the relationship between data relevance and perceived usefulness. CONCLUSIONS: Organizations and those who fund and design performance reports need to recognize that both report characteristics and organizational context play an important role in determining line managers' response to and ability to use these types of data.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».