UNDERSTANDING VARIATION IN SUCCESS IN A QUALITY IMPROVEMENT INITIATIVE IN SASKATCHEWAN, CANADA.
Notice bibliographique
Résumé
Background Unexplained variation in clinical practice can be an indicator of poor quality of care. In Saskatchewan, Canada the Variation and Appropriateness Working Group (VAWG) engaged three clinical working groups (CWG) to consider the causes of variation in surgical practice. Objectives Using the Model for Understanding Success in Quality Improvement (MUSIQ) framework, we conducted a qualitative study aimed at exploring VAWG's successes and barriers. Methods We used semi-structured interviews, meetings notes, and VAWG project documents as data for understanding the functioning and context of the CWGs. Results Our comparison of the CWGs highlights the similarities and differences between these groups. All groups identified next steps for understanding the root causes of variation; however, even in the CWG that exhibited positive micro contextual attributes and that made the most progress, success was limited due to the external environment common to all three CWGs. The external environment, the Saskatchewan health care system, did not signal that this work was a priority and physicians did not have the structural support needed to fully engage and advance this work. Conclusions Our research highlights the importance of both micro and macro contextual factors critical to the success of physician-driven quality improvement. The MUSIQ framework identifies features of the Saskatchewan context that can be built upon, and areas were significant work and investment is needed to increase the likelihood of success in future projects. Lessons learned are impacting the implementation of subsequent work; however, there are still critical factors to be addressed in Saskatchewan.
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 | 0,032 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».