MétaCan
Menu
Retour à la cohorte
Enregistrement W2563846277 · doi:10.1097/hcm.0000000000000142

The Effects of the Transforming Care at the Bedside Program on Perceived Team Effectiveness and Patient Outcomes

2016· article· en· W2563846277 sur OpenAlexaboutno aff
Mélanie Lavoie‐Tremblay, Patricia OʼConnor, Alain Biron, Geneviève L. Lavigne, Julie Fréchette, Anaïck Briand

Notice bibliographique

RevueThe Health Care Manager · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality managementPsychological interventionHealth careIntervention (counseling)Patient safetyRapid response teamNursingMedicinePsychologyMedical emergencyOperations management

Résumé

récupéré en direct d'OpenAlex

The objective of the study was to document the impact of Transforming Care at the Bedside (TCAB) program on health care team's effectiveness, patient safety, and patient experience. A pretest and posttest (team effectiveness) and a time-series study design (patient experience and safety) were used. The intervention (the TCAB program) was implemented in 8 units in a multihospital academic health science center in Montreal, Quebec, Canada. The impact of TCAB interventions was measured using the Team Effectiveness (TCAB teams, n = 50), and Clostridium difficile-associated diarrhea and vancomycin-resistant Enterobacter rates (patient safety) and Hospital Consumer Assessment of Healthcare Providers and Systems (patient experience; n = 551 patients). The intervention was composed of 4 learning modules, each lasting 12 to 15 weeks of workshops held at the start of each module, combined with hands-on learning 1 day per week. Transforming Care at the Bedside teams also selected 1 key safety indicator to improve throughout the initiative. Pretest and posttest differences indicate improvement on the 5 team effectiveness subscales. Improvement in vancomycin-resistant Enterococcus rate was also detected. No significant improvement was detected for patient experience. These findings call to attention the need to support ongoing quality improvement competency development among frontline teams.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,528
Écart entre enseignants0,453 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Health Care ManagerMême sujetHealth Policy Implementation ScienceTravaux en français237 207