MétaCan
Menu
Retour à la cohorte
Enregistrement W2616780641 · doi:10.1186/s13012-017-0597-5

Implementation of Enhanced Recovery After Surgery: a strategy to transform surgical care across a health system

2017· article· en· W2616780641 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueImplementation Science · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueEnhanced Recovery After Surgery
Établissements canadiensAlberta Health ServicesUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesAlberta InnovatesAlberta Innovates - Health Solutions
Mots-clésMedicineAuditColorectal surgeryQuality managementHealth services researchHealth administrationImplementation researchHealth careKnowledge translationFocus groupHealth informaticsGuidelineProcess managementNursingAbdominal surgeryPublic healthOperations managementSurgeryPsychological interventionKnowledge managementManagement systemBusinessAccounting

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Enhanced Recovery After Surgery (ERAS) programs have been shown to have a positive impact on outcome. The ERAS care system includes an evidence-based guideline, an implementation program, and an interactive audit system to support practice change. The purpose of this study is to describe the use of the Theoretic Domains Framework (TDF) in changing surgical care and application of the Quality Enhancement Research Initiative (QUERI) model to analyze end-to-end implementation of ERAS in colorectal surgery across multiple sites within a single health system. The ultimate intent of this work is to allow for the development of a model for spread, scale, and sustainability of ERAS in Alberta Health Services (AHS). METHODS: ERAS for colorectal surgery was implemented at two sites and then spread to four additional sites. The ERAS Interactive Audit System (EIAS) was used to assess compliance with the guidelines, length of stay, readmissions, and complications. Data sources informing knowledge translation included surveys, focus groups, interviews, and other qualitative data sources such as minutes and status updates. The QUERI model and TDF were used to thematically analyze 189 documents with 2188 quotes meeting the inclusion criteria. Data sources were analyzed for barriers or enablers, organized into a framework that included individual to organization impact, and areas of focus for guideline implementation. RESULTS: Compliance with the evidence-based guidelines for ERAS in colorectal surgery at baseline was 40%. Post implementation compliance, consistent with adoption of best practice, improved to 65%. Barriers and enablers were categorized as clinical practice (22%), individual provider (26%), organization (19%), external environment (7%), and patients (25%). In the Alberta context, 26% of barriers and enablers to ERAS implementation occurred at the site and unit levels, with a provider focus 26% of the time, a patient focus 26% of the time, and a system focus 22% of the time. CONCLUSIONS: Using the ERAS care system and applying the QUERI model and TDF allow for identification of strategies that can support diffusion and sustainment of innovation of Enhanced Recovery After Surgery across multiple sites within a health care system.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,900
Score d'incertitude au seuil0,795

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,463
Écart entre enseignants0,411 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle