Six ways not to improve patient flow: a qualitative study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Although well-established principles exist for improving the timeliness and efficiency of care, many organisations struggle to achieve more than small-scale, localised gains. Where care processes are complex and include segments under different groups' control, the elegant solutions promised by improvement methodologies remain elusive. This study sought to identify common design flaws that limit the impact of flow initiatives. METHODS: This qualitative study was conducted within an explanatory case study of a Canadian regional health system in which multitudinous flow initiatives had yielded no overall improvement in system performance. Interviews with 62 senior, middle and departmental managers, supplemented by ∼700 documents on flow initiatives, were analysed using the constant comparative method. RESULTS: ; flawed initiatives reflected failure to consider one or more of these essential elements. Many initiatives focused narrowly on process, failing to consider that the intended population was poorly defined or the needed capacity inaccessible; some introduced capacity for an intended population, but offered no process to link the two. Moreover, interveners were unable to respond effectively when a bottleneck moved to another part of the system. Errors of population, capacity and process, in different combinations, generated six 'formulae for failure'. CONCLUSIONS: Typically, flawed initiatives focused on too small a segment of the patient journey to properly address the impediments to flow. The proliferation of narrowly focused initiatives, in turn, reflected a decentralised system in which responsibility for flow improvement was fragmented. Thus, initiatives' specific design flaws may have their roots in a deeper problem: the lack of a coherent system-level strategy.
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.
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 | 0,008 | 0,004 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle