Optimizing Inter-Professional Communications in Surgery: Protocol for a Mixed-Methods Exploratory Study
Notice bibliographique
Résumé
BACKGROUND: Effective nurse-physician communication is critical to delivering high quality patient care. Interprofessional communication between surgical nurses and surgeons, often through the use of pagers, is currently characterized by information gaps and interprofessional tensions, both sources of workflow interruption, potential medical error, impaired educational experience, and job satisfaction. OBJECTIVE: This study aims to define current patterns of, and understand enablers and barriers to interprofessional communication in general surgery, in order to optimize the use of communication technologies, teamwork, provider satisfaction, and quality and safety of patient care. METHODS: We will use a mixed-methods multiphasic approach. In phase 1, a quantitative and content analysis of alpha-numeric pages (ANP) received by general surgery residents will be conducted to develop a paging taxonomy. Frequency, timing (on-call vs regular duty hours), and interval between pages will be described using a 4-week sample of pages. Results will be compared between pages sent to junior and senior residents. Finally, using an inductive analysis, two independent assessors will classify ANP thematically. In Phase 2, a qualitative constructivist approach will explore stakeholders' experiences with interprofessional communication, including paging, through interviews and shadowing of 40 residents and 40 nurses at two institutions. Finally, a survey will be developed, tested, and administered to all general surgery nurses and residents at the same two institutions, to evaluate their attitudes about the effectiveness and quality of interprofessional communication, and assess their satisfaction. RESULTS: Describing the profile of current pages is the first step towards identifying areas and root causes of IPC inefficiency. This study will identify key contextual barriers to surgical nurse-house staff communication, and existing interprofessional knowledge and practice gaps. CONCLUSIONS: Our findings will inform the design of a guideline and tailored intervention to improve IPC in order to ensure high quality patient care, optimal educational experience, and provider satisfaction.
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 | 0,011 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».