Quality improvement strategies in medical oncology: A qualitative analysis from a scoping review.
Notice bibliographique
Résumé
203 Background: In 2001, the Institute of Medicine (IOM) outlined imperatives to improve quality of care. Quality improvement (QI) has since become essential to cancer care but barriers still exist to the publication of and participation in QI initiatives, including limited recognition for QI and uncertainty with methodologies. We sought to identify strategies used in QI in scholarly medical oncology literature to provide practical guidance for QI. Methods: We conducted a scoping review using Arksey and O’Malley’s framework. A search of EMBASE and MEDLINE databases found 48,186 unique English citations published between January 2001 and August 2014. We utilized an iterative process to refine the inclusion criteria and two reviewers independently reviewed abstracts, resulting in the inclusion of 270 articles. The reviewers then extracted text segments relevant to QI strategies. A qualitative content analysis approach was used to accurately analyze and summarize this process-oriented data. Results: Fifty-four unique QI strategies identified were used alone or in combination to improve structures or processes of care. Five content categories of strategies that targeted structures of care emerged: 1) more methodical approaches (eg, lean thinking, supply-demand analyses), 2) participatory action research and similar strategies, 3) infrastructure to promote health care provider collaboration, 4) application or improvement of information technology (IT), and 5) progression towards a systematic assessment of all patients’ needs. We identified three categories of QI strategies for processes of care: 1) improving patient-clinician relationships or communications, 2) care navigation, and 3) telehealth. Conclusions: Our review identifiedQI strategies in published literature. Strategies were consistent with and expanded on the IOM’s redesign imperatives such as effective use of IT, development of better teams, and care coordination. Identification of strategies provides professionals with tools to engage in QI and may encourage support and recognition for QI. Future studies should examine the impact of different QI strategies on outcomes of care in oncology.
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 | 0,109 | 0,202 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,028 | 0,042 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».