MétaCan
Menu
Retour à la cohorte
Enregistrement W2944547949 · doi:10.1177/1937586719846586

Goals, Recommendations, and the How-To Strategies for Developing and Facilitating Patient Safety and System Integration Simulations

2019· article· en· W2944547949 sur OpenAlexaff
Mirette Dubé, Jonas Shultz, Sue Barnes, Bobbi Pascal, Alyshah Kaba

Notice bibliographique

RevueHERD Health Environments Research & Design Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of CalgarySaskatchewan Health Quality CouncilAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésDebriefingWorkflowProcess managementProcess (computing)Delphi methodKnowledge managementPatient safetyQuality (philosophy)Computer scienceDelphiStakeholderHealth careEngineeringMedicineMedical education

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The aim of this article is to outline overall goals, recommendations, and provide practical How-To strategies for developing and facilitating patient safety and system integration (PSSI) simulations for healthcare team members and organizations. BACKGROUND: Simulation is increasingly being used as a quality improvement tool to better understand the tasks, environments, and processes that support the delivery of healthcare services. These PSSI simulations paired with system-focused debriefing can occur prior to implementing a new process or workflow to proactively identify system issues. They occur as part of a continuous cycle of quality improvement and have unique considerations for planning, implementation, and delivery of healthcare. METHOD: The Delphi technique was used to develop the recommendations and How-To strategies to guide those interested in conducting a PSSI simulations. The Delphi technique is a structured communication technique and systematic process of gathering information from a group of identified experts through a series of questionnaires to gain consensus regarding judgments on complex processes, where precise information is not available in the literature. The Delphi technique permitted an iterative and multistaged approach to transform expert opinions into group consensus. RESULTS: The goals, recommendations, and How-To strategies include a focus on project management, stakeholder engagement, sponsorship, scenario design, prebriefing and debriefing, and evaluation metrics. The intent is to proactively identify system issues and disseminate actionable findings. CONCLUSIONS: This article highlights salient features to consider when using simulation as a strategy and tool for patient safety and quality improvement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,097
score de la tête « metaresearch » (Gemma)0,121
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,513

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0970,121
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0060,006
Communication savante0,0140,015
Science ouverte0,0050,011
Intégrité de la recherche0,0090,009
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,158
Tête enseignante GPT0,444
Écart entre enseignants0,286 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHERD Health Environments Research & Design JournalMême sujetSimulation-Based Education in HealthcareTravaux en français237 207