Quality improvement in hospitals: barriers and facilitators
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine quality improvement (QI) initiatives in acute care hospitals, the factors associated with success, and the impacts on patient care and safety. Design/methodology/approach An extensive online survey was completed by senior managers responsible for QI. The survey assessed QI project types, QI methods, staff engagement, and barriers and factors in the success of QI initiatives. Findings The response rate was 37 percent, 46 surveys were completed from 125 acute care hospitals. QI initiatives had positive impacts on patient safety and care. Staff in all hospitals reported conducting past or present hand-hygiene QI projects and C. difficile and surgical site infection were the next most frequent foci. Hospital staff not having time and problems with staff prioritizing QI with other duties were identified as important QI barriers. All respondents reported hospital leadership support, data utilization and internal champions as important QI facilitators. Multiple regression models identified nurses' active involvement and medical staff engagement in QI with improved patient care and physicians' active involvement and medical staff engagement with greater patient safety. Practical implications There is the need to study how best to support and encourage physicians and nurses to become more engaged in QI. Originality/value QI initiatives were shown to have positive impacts on patient safety and patient care and barriers and facilitating factors were identified. The results indicated patient care and safety would benefit from increased physician and nurse engagement in QI initiatives.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».