Optimal governance of patient safety: A qualitative study on barriers to and facilitators for effective internal audit
Notice bibliographique
Résumé
Objective: While internal audits are widely used, insight into the essential components of the internal audit to govern patient safety is limited. The aim of this study is to explore factors that hinder and stimulate internal audits as an effective patient safety governance tool for hospital boards.Methods: A qualitative interview study in six Dutch hospitals. Interviews (n = 43) were held with auditees, quality officers, boards of directors and boards of supervisors. Data were collected and analysed using Grounded Theory.Results: Barriers and facilitators were classified into 14 categories from which four themes emerged: (1) board positioning of audits, (2) organisation and content of audits, (3) competences and composition of audit team, and (4) cultural factors and attitudes towards auditing.Conclusions: We found two themes consisting of factors related to the audit itself (organisation and content of audits, and competences and composition of audit team) and two themes consisting of contextual factors (board positioning of audits, and cultural factors and attitudes towards auditing). These may contribute to support for auditing and to the generation of reliable audit results, which subsequently could result in effective audits for governance of patient safety. Hospital boards and executives can optimise the patient safety auditing system in their hospitals by increasing active leadership engagement, by promoting audits as an opportunity for staff to learn from safety problems (rather than a mandatory examination instrument) and by providing vital resources for a smooth audit process, such as a medical specialist in the audit team.
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 | 0,002 | 0,004 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».