Short-notice (48 hours) ACCREDITATION trial in Australia: stakeholder perception of assessment thoroughness, resource requirements and workforce engagement
Notice bibliographique
Résumé
BACKGROUND: External, independent accreditation assessments of healthcare organisations are necessary to ensure the nationally legislated minimum standards of quality and safety (QS) are met. The predetermined scheduling of the assessments continues to be criticised due to the high level of organisational emphasis on preparing for accreditation. OBJECTIVES: To determine the stakeholder perception of assessment thoroughness, staff resource requirements and workforce engagement changes if only 48 hours' notice is given to an organisation prior to an accreditation assessment, compared with the standard-notice accreditation process. METHODS: Logan and Beaudesert Hospitals in Brisbane, Australia, trialled the 'Short-Notice Survey Accreditation Assessment Process' (SNAAP) between August 2017 and December 2018. The organisation was given just 48 hours' notice prior to an accreditation assessment. Staff perception of the standard-notice accreditation process and short-notice process was assessed using a 5-point Likert scale repeated measures questionnaire (pretrial, 6 and 12 months after SNAAP launch). RESULTS: There was a statistically significant stakeholder opinion that SNAAP more effectively identified the true strengths and achievements of the organisation's QS compared with 'standard-notice' survey (p=0.033). There was a significantly lower overall perceived proportion of staff resources required for SNAAP preparation in contrast to 'standard-notice' process (Baseline Av=21.38% vs Follow-up 1 and 2 Av=9.75%-6.25%, p=0.021). The questionnaire results reflected that SNAAP increased staff engagement in QS activities (Av=3.75 and 3.69, 95% CI=3.45-4.05 and 3.45-3.94). CONCLUSIONS: With sufficient cultural and operational preparation to move to SNAAP, hospitals can potentially use SNAAP as a truer validation of QS standards, require less staffing resources to prepare for accreditation assessments and improve staff engagement in QS assurance and 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 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 | 0,060 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».