Assessment of Quality Improvement in Ontario Public Health Units
Notice bibliographique
Résumé
Background: Quality Improvement (QI) approaches are used extensively in healthcare settings and increasingly in public health. However, the proliferation of QI in Canadian public health settings is unknown. Purpose: The purpose of this study was to (a) assess the QI maturity in Ontario local public health units in Canada, and (b) to determine the relevance of the QI Maturity Tool in a Canadian setting Methods: The QI Maturity Tool (Version 5) was used to conduct a cross-sectional assessment of the QI maturity of 36 local public health units in Ontario, Canada. After tool items were reviewed for relevance, individuals most responsible for QI at each health unit were surveyed. Descriptive statistics were used to analyze the data. Results: Thirty-one individuals responded (response rate: 86%). Respondents reported strong leadership support for QI, but limited training and resources available to advance this area. Approximately half of public health units were found to be at the ‘beginner’ stage of QI maturity; 19% and 26% were in the ‘emerging’ and ‘progressive’ stages, respectively. Only 3% were in the ‘achieving’ stage and none are in the ‘excelling’ stage. Implications: The QI Maturity Tool is valuable for determining the maturity of QI in Ontario public health settings. There appears to be strong support for advancing QI across local public health in Ontario, but limited infrastructure to enable associated QI activities.
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 | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».