MétaCan
Menu
Retour à la cohorte
Enregistrement W2982450721 · doi:10.1177/2150135119881393

Quality Improvement Basics: A Crash Course for Pediatric Cardiac Care

2019· article· en· W2982450721 sur OpenAlexaff
Katherine E. Bates, Jean A. Connor, Nikhil K. Chanani, Mary C. McLellan, Andrea McCormick, Melissa Smith-Parrish, Michael-Alice Moga

Notice bibliographique

RevueWorld Journal for Pediatric and Congenital Heart Surgery · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of TorontoHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineQuality managementSix SigmaPDCAProcess managementMultidisciplinary approachHealth careStakeholderPsychological interventionProcess (computing)Identification (biology)ChecklistQuality (philosophy)NursingOperations managementEngineeringLean manufacturingComputer scienceManagement system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Lack of knowledge of quality improvement (QI) methodology and change management principles can explain many of the difficulties encountered when trying to develop effective QI initiatives in health care. METHODS: An interactive QI workshop at the 14th Annual Meeting of the Pediatric Cardiac Intensive Care Society provided an overview of the role of QI in health care, basic QI frameworks and tools, and leadership and organizational culture pitfalls. The top five QI projects submitted to the meeting were later presented to an expert QI panel in a separate session to illustrate examples of QI principles. RESULTS: Workshop presenters introduced two major QI methodologies used to design QI projects. Important first steps include identifying a problem, forming a multidisciplinary team, and developing an aim statement. Key driver diagrams were highlighted as an important tool to develop a project's framework. Several diagnostic tools used to understand the problem were discussed, including the "5 Why's," cause-and-effect charts, and process flowcharts. The importance of outcome, process, and balancing measures was emphasized. Identification of interventions, the value of plan-do-study-act cycles to fuel continuous QI, and use of statistical process control, including run charts or control charts, were reviewed. The importance of stakeholder engagement, transparency, and sustainability was discussed. Later, the top five QI projects presented highlighted multiple "QI done well" practices discussed during the preconference QI workshop. CONCLUSIONS: Understanding QI methodology and appropriately applying basic QI tools are pivotal steps to realizing meaningful and sustained 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)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0020,006
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0420,007

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 Opus0,201
Tête enseignante GPT0,538
Écart entre enseignants0,337 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal for Pediatric and Congenital Heart SurgeryMême sujetHealth Policy Implementation ScienceTravaux en français237 207