Evaluating trauma center process performance in an integrated trauma system with registry data
Notice bibliographique
Résumé
BACKGROUND: The evaluation of trauma center performance implies the use of indicators that evaluate clinical processes. Despite the availability of routinely collected clinical data in most trauma systems, quality improvement efforts are often limited to hospital-based audit of adverse patient outcomes. OBJECTIVE: To identify and evaluate a series of process performance indicators (PPI) that can be calculated using routinely collected trauma registry data. MATERIALS AND METHODS: PPI were identified using a review of published literature, trauma system documentation, and expert consensus. Data from the 59 trauma centers of the Quebec trauma system (1999, 2006; N = 99,444) were used to calculate estimates of conformity to each PPI for each trauma center. Outliers were identified by comparing each center to the global mean. PPI were evaluated in terms of discrimination (between-center variance), construct validity (correlation with designation level and patient volume), and forecasting (correlation over time). RESULTS: Fifteen PPI were retained. Global proportions of conformity ranged between 6% for reduction of a major dislocation within 1 h and 97% for therapeutic laparotomy. Between-center variance was statistically significant for 13 PPI. Five PPI were significantly associated with designation level, 7 were associated with volume, and 11 were correlated over time. CONCLUSION: In our trauma system, results suggest that a series of 15 PPI supported by literature review or expert opinion can be calculated using routinely collected trauma registry data. We have provided evidence of their discrimination, construct validity, and forecasting properties. The between-center variance observed in this study highlights the importance of evaluating process performance in integrated trauma systems.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».