A single-centre hospital-wide handoff standardisation report: what is so special about that?
Notice bibliographique
Résumé
Healthcare leaders and scholars have articulated gaps in handoff quality across nearly all healthcare settings. A variety of drivers, including hospital accreditation, internal and external safety event analyses and medical education objectives, have given rise to a proliferation of imperatives to improve this situation. Healthcare leaders have developed a greater appreciation that handoff is a key component of a larger set of culture and teamwork strategies that are necessary to reduce harm. Researchers and medical educators have created handoff programmes, provided empirical evidence for their positive impact on safety and worked tirelessly to disseminate them.1 ,2 Quality improvers from a variety of disciplines have begun to adapt and apply standardised handoff in an increasingly diverse array of settings. In light of this, one might think it less than noteworthy to discover a report of a single institution's hospital-wide handoff standardisation programme.3 To the contrary, we find this report by Shahian et al 3 novel and rich with important messages. We agree with their assertion that this is the largest single-institution implementation of the I-PASS handoff system2 reported in a tertiary general hospital, in this case, Massachusetts General Hospital, which has 25 000 employees. Using a relatively low-cost approach, they managed to implement the system across 15 medical departments, as well as nursing, train nearly 6000 healthcare staff and collect observational data on process reliability at baseline and over 7 months of implementation. Our combined experience in multiple organisations has afforded us opportunities to understand and engage with the effort to improve handoff from multiple vantage points, including through participation as a site in the I-PASS …
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».