Evaluation of Organizational Culture among Different Levels of Healthcare Staff Participating in the Institute for Healthcare Improvement's 100,000 Lives Campaign
Notice bibliographique
Résumé
BACKGROUND: Little is known about how hospital organizational and cultural factors associated with implementation of quality initiatives such as the Institute for Healthcare Improvement's (IHI) 100,000 Lives Campaign differ among levels of healthcare staff. DESIGN: Evaluation of a mixed qualitative and quantitative methodology ("trilogic evaluation model"). SETTING: Six hospitals that joined the campaign before June 2006. PARTICIPANTS: Three strata of staff (executive leadership, midlevel, and frontline) at each hospital. RESULTS. Surveys were completed in 2008 by 135 hospital personnel (midlevel, 43.7%; frontline, 38.5%; executive, 17.8%) who also participated in 20 focus groups. Overall, 93% of participants were aware of the IHI campaign in their hospital and perceived that 58% (standard deviation, 22.7%) of improvements in quality at their hospital were a direct result of the campaign. There were significant differences between staff levels on the organizational culture (OC) items, with executive-level staff having higher scores than midlevel and frontline staff. All 20 focus groups perceived that the campaign interventions were sustainable and that data feedback, buy-in, hardwiring (into daily activities), and leadership support were essential to sustainability. CONCLUSIONS: The trilogic model demonstrated that the 3 levels of staff had markedly different perceptions regarding the IHI campaign and OC. A framework in which frontline, midlevel, and leadership staff are simultaneously assessed may be a useful tool for future evaluations of OC and quality initiatives such as the IHI campaign.
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 | 0,014 | 0,013 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».