Strategies for Addressing Barriers to Publishing Pediatric Quality Improvement Research
Notice bibliographique
Résumé
BACKGROUND: Advancing the science of quality improvement (QI) requires dissemination of the results of QI. However, the results of few QI interventions reach publication. OBJECTIVE: To identify barriers to publishing results of pediatric QI research and provide practical strategies that QI researchers can use to enhance publishability of their work. METHODS: We reviewed and summarized a workshop conducted at the Pediatric Academic Societies 2007 meeting in Toronto, Ontario, Canada, on conducting and publishing QI research. We also interviewed 7 experts (QI researchers, administrators, journal editors, and health services researchers who have reviewed QI manuscripts) about common reasons that QI research fails to reach publication. We also reviewed recently published pediatric QI articles to find specific examples of tactics to enhance publishability, as identified in interviews and the workshop. RESULTS: We found barriers at all stages of the QI process, from identifying an appropriate quality issue to address to drafting the manuscript. Strategies for overcoming these barriers included collaborating with research methodologists, creating incentives to publish, choosing a study design to include a control group, increasing sample size through research networks, and choosing appropriate process and clinical quality measures. Several well-conducted, successfully published QI studies in pediatrics offer guidance to other researchers in implementing these strategies in their own work. CONCLUSION: Specific, feasible approaches can be used to improve opportunities for publication in pediatric, QI, and general medical journals.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,482 | 0,690 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,014 | 0,010 |
| Communication savante | 0,023 | 0,026 |
| Science ouverte | 0,010 | 0,018 |
| Intégrité de la recherche | 0,010 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».