Exploring stakeholder perceptions around implementation of the Operating Room Black Box for patient safety research: a qualitative study using the theoretical domains framework
Notice bibliographique
Résumé
BACKGROUND: Systematically observing clinical performance in the operating room (OR) to support patient safety initiatives faces numerous logistical and methodological challenges. These may be solved by new audio-video recording technologies like the OR Black Box, which is a tool similar to black boxes in aviation. This study aimed to identify barriers and enablers that may influence patients', clinicians' and senior leadership team members' support of the OR Black Box in order to guide its future implementation. METHODS: Patients, clinicians and senior leadership team members were recruited to participate in semistructured interviews informed by the theoretical domains framework (TDF) to identify factors relevant to planning OR Black Box implementation. Deidentified interview transcripts were analysed in duplicate following a TDF coding structure. RESULTS: Data saturation was achieved at 15 patients, 17 clinicians and 9 senior leadership team members. Seven domains were relevant for patients, nine for clinicians and four for senior leadership. Knowledge and Beliefs about consequences were barriers and enablers for all three groups. Memory, attention and decision processes and Social influences were enablers for both clinicians and senior leadership. Environmental context and resources, Emotion and Behavioural regulation were found to be barriers and enablers for both clinicians and patients. Social/professional role and identity and Reinforcement were enablers for patients only and Optimism and Intentions were barriers and enablers to clinicians. CONCLUSIONS: While most stakeholders were supportive of the OR Black Box, we identified many key areas that need to be addressed during its implementation. It is critical to ensure all stakeholders have adequate and accurate information about the OR Black Box system and research goals, and that the OR Black Box is positioned as a patient safety initiative for learning from and improving practice.
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 | 0,035 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».