Implementation of a multimodal patient safety improvement program “SafetyLEAP” in intensive care units
Notice bibliographique
Résumé
Purpose Patient safety remains a top priority in healthcare. Many organizations have developed systems to monitor and prevent harm, and have invested in different approaches to quality improvement. Despite these organizational efforts to better detect adverse events, efficient resolution of safety problems remains a significant challenge. The authors developed and implemented a comprehensive multimodal patient safety improvement program called SafetyLEAP. The term "LEAP" is an acronym that highlights the three facets of the program including: a Leadership and Engagement approach; Audit and feedback; and a Planned improvement intervention. The purpose of this paper is to evaluate the implementation of the SafetyLEAP program in the intensive care units (ICUs) of three large hospitals. Design/methodology/approach A comparative case study approach was used to compare and contrast the adherence to each component of the SafetyLEAP program. The study was conducted using a convenience sample of three ( n=3) ICUs from two provinces. Two reviewers independently evaluated major adherence metrics of the SafetyLEAP program for their completeness. Analysis was performed for each individual case, and across cases. Findings A total of 257 patients were included in the study. Overall, the proportion of the SafetyLEAP tasks completed was 64.47, 100, and 26.32 percent, respectively. ICU nos 1 and 2 were able to identify opportunities for improvement, follow a quality improvement process and demonstrate positive changes in patient safety. The main factors influencing adherence were the engagement of a local champion, competing priorities, and the identification of appropriate resources. Practical implications The SafetyLEAP program allowed for the identification of processes that could result in patient harm in the ICUs. However, the success in improving patient safety was dependent on the engagement of the care teams. Originality/value The authors developed an evidence-based approach to systematically and prospectively detect, improve, and evaluate actions related to patient safety.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».