Contextualizing learning to improve care using collaborative communities of practices
Notice bibliographique
Résumé
BACKGROUND: The use of interorganizational, collaborative approaches to build capacity in quality improvement (QI) in health care is showing promise as a useful model for scaling up and accelerating the implementation of interventions that bridge the "know-do" gap to improve clinical care and provider outcomes. Fundamental to a collaborative approach is interorganizational learning whereby organizations acquire, share, and combine knowledge with other organizations and have the opportunity to learn from their respective successes and challenges in improvement areas. This learning approach aims to create the conditions for collaborative, reflective, and innovative experiential systems that enable collective discussions regarding daily practice issues and finding solutions for improvement. METHODS: The concepts associated with interorganizational learning and deliberate learning activities within a collaborative 'Communities-of-practice'(CoP) approach formed the foundation of the of an interactive QI knowledge translation initiative entitled PERFORM KT. Nine teams participated including seven teams from two acute care hospitals, one from a long term care center, and one from a mental health sciences center. Six monthly CoP learning sessions were held and teams, with the support of an assigned mentor, implemented a QI project and monitored their results which were presented at an end of project symposium. 47 individuals participated in either a focus group or a personal interview. Interviews were transcribed and analyzed using an iterative content analysis. RESULTS: Four key themes emerged from the narrative dataset around experiences and perceptions associated with the PERFORM KT initiative: 1) being successful and taking it to other levels by being systematic, structured, and mentored; 2) taking it outside the comfort zone by being exposed to new concepts and learning together; 3) hearing feedback, exchanging stories, and getting new ideas; and 4) having a pragmatic and accommodating approach to apply new learnings in local contexts. CONCLUSIONS: Study findings offer insights into collaborative, inter-organizational CoP learning approaches to build QI capabilities amongst clinicians, staff, and managers. In particular, our study delineates the need to contextualize QI learning by using deliberate learning activities to balance systematic and structured approaches alongside pragmatic and accommodating approaches with expert mentors.
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 | 0,026 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,022 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».