When do workarounds help or hurt patient outcomes? The moderating role of operational failures
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.
Notice bibliographique
Résumé
Abstract Hospital providers often use workarounds to circumvent processes so that patients can receive care. Workarounds in response to operational failures enable care to continue and therefore may be indicative of workers' commitment. On the other hand, workarounds in the absence of operational failures may signal an ineffective approach associated with lower quality of care and worse patient outcomes. Working closely with healthcare providers, we developed a survey to measure workaround behaviors and operational failures on medical/surgical units. The lead author surveyed over 4,000 nurses from 63 hospitals throughout the United States. We matched this data with audit data on the incidence of pressure injuries among over 21,000 patients on 262 nursing units in 56 survey hospitals. Hospital‐acquired pressure injuries are a significant risk to patient health and hospital costs. We do not find support for our hypothesis that workarounds are associated with a higher rate of hospital‐acquired pressure injuries. However, when we take into account the moderating role of operational failures on the relationship between workarounds and pressure injuries, we find significant results. When nursing units have lower levels of operational failures, workarounds are associated with higher rates of hospital‐acquired pressure injuries. Our results provide evidence that workarounds may be associated with negative patient outcomes, if they stem from a process‐avoiding approach. The best results can be achieved by reducing both operational failures and workarounds via instilling a process‐focused approach.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle