Enhancing Surgical Performance Outcomes Through Process‐driven Care: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Recent evidence has demonstrated the variability in quality of postoperative care, as measured by rates of failure to rescue (FTR). The identification of structure- and process-related factors affecting the quality of postoperative care is the first step towards understanding and improving outcomes. The aim of this review is to review current evidence for structure and process factors affecting postoperative care. METHODS: A systematic review was conducted. Studies were selected that examined structure or process variables affecting FTR rates and postoperative outcomes. Quality analysis with Jadad and Newcastle-Ottawa scales was conducted and poor-quality studies were excluded. RESULTS: Thirty-seven studies were included in final analysis. Of these, 23 were related to enhanced recovery protocols in seven surgical specialties. Twenty-one of these 23 studies reported decreases in length of stay. Six studies also reported decreases in morbidity. No studies reported increases in stay duration or morbidity. Of the 16 studies that examined other structural and process factors, the strongest evidence was for the association between nursing ratios and FTR rates. The effects of hospital size, resources, and subspecialist care processes were less clear. CONCLUSION: Process-led care represents a clear, evidence-based approach that can be integrated on a local scale, without necessitating major structural or organisational change, to improve outcomes and may also be cost effective. To foster success, process improvement must be driven on a local level and backed up by appropriate understanding, education, and multidisciplinary involvement.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,005 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| 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 ».