Formative evaluation of the video reflexive ethnography method, as applied to the physician–nurse dyad
Notice bibliographique
Résumé
BACKGROUND: Despite decades of research and interventions, poor communication between physicians and nurses continues to be a primary contributor to adverse events in the hospital setting and a major challenge to improving patient safety. The lack of progress suggests that it is time to consider alternative approaches with greater potential to identify and improve communication than those used to date. We conducted a formative evaluation to assess the feasibility, acceptability and utility of using video reflexive ethnography (VRE) to examine, and potentially improve, communication between nurses and physicians. METHODS: We begin with a brief description of the institutional review boardapproval process and recruitment activities, then explain how we conducted the formative evaluation by describing (1) the VRE process itself; (2) our assessment of the exposure to the VRE process; and (3) challenges encountered and lessons learnt as a result of the process, along with suggestions for change. RESULTS: Our formative evaluation demonstrates that it is feasible and acceptable to video-record communication between physicians and nurses during patient care rounds across many units at a large, academic medical centre. The lessons that we learnt helped to identify procedural changes for future projects. We also discuss the broader application of this methodology as a possible strategy for improving other important quality and safety practices in healthcare settings. CONCLUSIONS: The VRE process did generate increased reflection in both nurse and physician participants. Moreover, VRE has utility in assessing communication and, based on the comments of our participants, can serve as an intervention to possibly improve communication, with implications for 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 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 | 0,239 | 0,352 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».