MétaCan
Menu
Retour à la cohorte
Enregistrement W2896037289 · doi:10.12927/cjnl.2018.25606

Attributes and Actions Required to Advance Quality and Safety in Hospitals: Insights from Nurse Executives

2018· article· en· W2896037289 sur OpenAlexaffvenueabout
Lianne Jeffs, G. Ross Baker, Ru Taggar, Pam Hubley, Joy Richards, Jane Merkley, Judy Shearer, H. L. Webster, Melissa Dizon, Jessie Ho Fong

Notice bibliographique

RevueNursing leadership · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensSinai Health SystemHospital for Sick ChildrenSouth Bruce Grey Health CentreInstitute for Work & HealthInstitute of Health Services and Policy ResearchUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésNursingQuality (philosophy)PsychologyPatient safetyBusinessMedicineHealth carePolitical science

Résumé

récupéré en direct d'OpenAlex

To lead effectively within their organizations, nurse executives must possess quality and safety literacy and be able to engage and motivate clinicians to participate in safety and quality initiatives. Given the paucity of research in Canada, a study was undertaken to explore nurse executives' understanding of the key concepts and strategies associated with patient safety and quality improvement, and their engagement with patient safety and quality improvement in their hospitals and healthcare systems. This study used an exploratory qualitative design with a content analysis approach on 20 nurse executives working in hospitals in Ontario. Three key themes emerged from the narrative data set including: (1) being a strategic and system thinker while possessing the emotional intelligence to influence staff; (2) building credibility and relationships with point-of-care staff, board of directors, and leadership team and (3) creating a culture of safety and high reliability. Study findings can be useful in informing future learning opportunities for nurse executives and nurses leaders at all levels to enhance their quality and safety literacy.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,253
Score d'incertitude au seuil0,741

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,372
Tête enseignante GPT0,516
Écart entre enseignants0,144 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetOccupational Health and Safety ResearchTravaux en français237 207