Barriers and facilitators of Canadian quality and safety teams: a mixed-methods study exploring the views of health care leaders
Notice bibliographique
Résumé
Background: Health care organizations are utilizing quality and safety (QS) teams as a mechanism to optimize care. However, there is a lack of evidence-informed best practices for creating and sustaining successful QS teams. This study aimed to understand what health care leaders viewed as barriers and facilitators to establishing/implementing and measuring the impact of Canadian acute care QS teams. Methods: Organizational senior leaders (SLs) and QS team leaders (TLs) participated. A mixed-methods sequential explanatory design included surveys (n=249) and interviews (n=89). Chi-squared and Fisher’s exact tests were used to compare categorical variables for region, organization size, and leader position. Interviews were digitally recorded and transcribed for constant comparison analysis. Results: Five qualitative themes overlapped with quantitative data: (1) resources, time, and capacity; (2) data availability and information technology; (3) leadership; (4) organizational plan and culture; and (5) team composition and processes. Leaders from larger organizations more often reported that clear objectives and physician champions facilitated QS teams ( p <0.01). Fewer Eastern respondents viewed board/senior leadership as a facilitator ( p <0.001), and fewer Ontario respondents viewed geography as a barrier to measurement ( p <0.001). TLs and SLs differed on several factors, including time to meet with the team, data availability, leadership, and culture. Conclusion: QS teams need strong, committed leaders who align initiatives to strategic directions of the organization, foster a quality culture, and provide tools teams require for their work. There are excellent opportunities to create synergy across the country to address each organization’s quality agenda. Keywords: health services research, qualitative research, surveys, leadership, quality of health 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 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 | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».