Improving quality through process change: a scoping review of process improvement tools in cancer surgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,013 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle