The evolution of morbidity and mortality conferences
Notice bibliographique
Résumé
Morbidity and mortality conferences (MMCs) have become a vital element of patient care, sitting at the intersection of medical education, quality improvement and risk management. MMCs may have increased in importance as a staple of safety education since the Accreditation Council for Graduate Medical Education has identified that the discussion and analysis of adverse events in a structured fashion promotes the learning of key quality and safety concepts.1–3 Groups across specialties and disciplines have implemented innovative models of MMCs as a vehicle to engage clinicians in discussions to learn from adverse events and to identify opportunities to improve care. In studying these new models, it has become clear that deliberate attention to the structure, processes and content of the conference yields the greatest opportunity for improving the quality of patient care beyond just learning the concepts of quality and safety.4 ,5 We now face the next iteration of the MMC and are tasked with describing the facets that will best allow MMCs to drive learning and improved outcomes. In this issue, Kwok and colleagues highlight the impact of implementing a structured MMC, the Ottawa M&M Model (‘OM3 model’), at their acute care tertiary centre across multiple specialties.6 The model consists of five key elements, including appropriate case selection, structured case analysis, the creation of and dissemination of bottom-line summaries, the development of effective pathways for action items and interprofessional and multidisciplinary participation. The authors conducted a yearlong study of 16 clinical groups implementing the OM3 model. The investigators provided an OM3 toolkit that included relevant educational materials, dedicated coaching to the teams, encouraged the groups to establish a quality committee for subsequent action …
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 | 0,004 | 0,050 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».