‘Not another safety culture survey’: using the Canadian patient safety climate survey (Can-PSCS) to measure provider perceptions of PSC across health settings
Notice bibliographique
Résumé
BACKGROUND: The importance of a strong safety culture for enhancing patient safety has been stated for over a decade in healthcare. However, this complex construct continues to face definitional and measurement challenges. Continuing improvements in the measurement of this construct are necessary for enhancing the utility of patient safety climate surveys (PSCS) in research and in practice. This study examines the revised Canadian PSCS (Can-PSCS) for use across a range of care settings. METHODS: Confirmatory factor analytical approaches are used to extensively test the Can-PSCS. Initial and cross-validation samples include 13 126 and 6324 direct care providers from 119 and 35 health settings across Canada, respectively. RESULTS: Results support a parsimonious model of direct care provider perceptions of patient safety climate (PSC) with 19 items in six dimensions: (1) organisational leadership support for safety; (2) incident follow-up; (3) supervisory leadership for safety; (4) unit learning culture; (5) enabling open communication I: judgement-free environment; (6) enabling open communication II: job repercussions of error. Results also support the validity of the Can-PSCS across a range of care settings. CONCLUSIONS: The Can-PSCS has several advantages: (1) it is a theory-based instrument with a small number of actionable dimensions central to the construct of PSC; (2) it has robust psychometric properties; (3) it is validated for use across a range of care settings, therefore suitable for use in regionalised health delivery systems and can help to raise expectations about acceptable levels of PSC across the system; (4) it has been tested in a publicly funded universal health insurance system and may be suitable for similar international 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 | 0,025 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».