I-PASS Handoff Program: Use of a Campaign to Effect Transformational Change
Notice bibliographique
Résumé
BACKGROUND: Behavior change is notoriously difficult to achieve within health care systems. Successful implementation of the I-PASS handoff bundle with subsequent decreases in medical errors and preventable adverse events represents an example of successful transformational change within academic medical centers. OBJECTIVE: We designed a campaign to support and enhance uptake of the I-PASS handoff bundle at 9 study sites from 2011 to 2013. METHODS: Following Kotter's model of transformational change, we established urgency using local data and institutional mandates, and site leaders built local guiding coalitions with institutional leaders, key faculty, and Chief Residents. We created and communicated our vision using a branded campaign and empowered others to act by soliciting and acting on feedback and supporting systems changes. Site leaders planned for and created short-term wins by recognizing residents who engaged with I-PASS, consolidated improvements, and institutionalized new approaches. RESULTS: Implementation of I-PASS was successful, with achievement of substantial improvements in rates of medical errors and preventable adverse events. Data from the initial I-PASS study have continued to drive a national campaign that has included national recognition by leaders in the field of patient safety and pediatrics. Momentum has increased significantly to support mentored implementation of the I-PASS handoff program at over 35 academic medical centers across North America. CONCLUSIONS: I-PASS provides an example of transformational change achieved through a combination of educational interventions and change management to address resistance/barriers, supported by a robust campaign. We encourage others in academic medicine to consider using change models, including campaigns, to support health care improvement programs.
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 | 0,001 | 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 | 0,000 | 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) | 0,000 | 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 ».