MétaCan
Menu
Retour à la cohorte
Enregistrement W2089121274 · doi:10.1186/1471-2482-14-45

Improving quality through process change: a scoping review of process improvement tools in cancer surgery

2014· review· en· W2089121274 sur OpenAlexafffund
Alice C. Wei, David R. Urbach, Katharine S. Devitt, M. Wiebe, Oliver F. Bathe, Robin S. McLeod, Erin Kennedy, Nancy N. Baxter

Notice bibliographique

RevueBMC Surgery · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensSt. Michael's HospitalMount Sinai HospitalUniversity of CalgaryPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesToronto General Hospital Research Institute, University Health NetworkCanadian Institutes of Health Research
Mots-clésMedicineQuality managementMEDLINEHealth careData extractionQuality (philosophy)Cochrane LibraryMedical physicsProcess (computing)SurgeryOperations managementComputer scienceManagement system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Surgery is a cornerstone of treatment for malignancy. However, significant variation has been reported in patterns and quality of cancer care for important health outcomes, including perioperative mortality. Surgical process improvement tools (SPITs) have been developed that focus on enhancing the processes of care at the point of care, as a means of quality improvement. This study describes SPITs and develops a conceptual framework by synthesizing the available literature on these novel quality improvement tools. METHODS: A scoping review was conducted based on instruments developed for quality improvement in surgery. The search was executed on electronically indexed sources (MEDLINE, EMBASE, and the Cochrane library) from January 1990 to March 2011. Data were extracted, tabulated and reported thematically using a narrative synthesis approach. These results were used to develop a conceptual framework that describes and classifies SPITs. RESULTS: 232 articles were reviewed for data extraction and analysis. SPITs identified were classified into 3 groups: clinical mapping tools, structure communication tools and error reduction instruments. The dominant instrument reported were clinical mapping tools, including: clinical pathways (113, 48%), fast track (46, 20%) and enhanced recovery after surgery protocols (36, 15%). Outcomes reported included: length of stay (174, 75%), readmission rates (116, 50%), morbidity (116, 50%), mortality (104, 45%), and economic (60, 26%). Many gaps in the literature were recognized. CONCLUSION: We have developed a conceptual framework of SPITs and identified gaps in current knowledge. These results will guide the design and development of new quality instruments in surgery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,089
score de la tête « metaresearch » (Gemma)0,232
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,471

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0890,232
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0050,009
Bibliométrie0,0430,049
Études des sciences et des technologies0,0030,003
Communication savante0,0090,010
Science ouverte0,0030,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,749
Tête enseignante GPT0,636
Écart entre enseignants0,113 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC SurgeryMême sujetClinical practice guidelines implementationTravaux en français237 207