Quality gaps identified through mortality review
Notice bibliographique
Résumé
BACKGROUND: Hospital mortality rate is a common measure of healthcare quality. Morbidity and mortality meetings are common but there are few reports of hospital-wide mortality-review processes to provide understanding of quality-of-care problems associated with patient deaths. OBJECTIVE: To describe the implementation and results from an institution-wide mortality-review process. DESIGN: A nurse and a physician independently reviewed every death that occurred at our multisite teaching institution over a 3-month period. Deaths judged by either reviewer to be unanticipated or to have any opportunity for improvement were reviewed by a multidisciplinary committee. We report characteristics of patients with unanticipated death or opportunity for improved care and summarise the opportunities for improved care. RESULTS: Over a 3-month period, we reviewed all 427 deaths in our hospital in detail; 33 deaths (7.7%) were deemed unanticipated and 100 (23.4%) were deemed to be associated with an opportunity for improvement. We identified 97 opportunities to improve care. The most common gap in care was: 'goals of care not discussed or the discussion was inadequate' (n=25 (25.8%)) and 'delay or failure to achieve a timely diagnosis' (n=8 (8.3%)). Patients who had opportunities for improvement had longer length of stay and a lower baseline predicted risk of death in hospital. Nurse and physician reviewers spent approximately 142 h reviewing cases outside of committee meetings. CONCLUSIONS: Our institution-wide mortality review found many quality gaps among decedents, in particular inadequate discussion of goals of care.
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 | 0,016 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
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; les deux têtes enseignantes 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 ».