Doing our work better, together: a relationship-based approach to defining the quality improvement agenda in trauma care
Notice bibliographique
Résumé
BACKGROUND: Trauma care represents a complex patient journey, requiring multidisciplinary coordinated care. Team members are human, and as such, how they feel about their colleagues and their work affects performance. The challenge for health service leaders is enabling culture that supports high levels of collaboration, co-operation and coordination across diverse groups. We aimed to define and improve relational aspects of trauma care at Gold Coast University Hospital. METHODS: We conducted a mixed-methods collaborative ethnography using the relational coordination survey-an established tool to analyse the relational dimensions of multidisciplinary teamwork-participant observation, interviews and narrative surveys. Findings were presented to clinicians in working groups for further interpretation and to facilitate co-creation of targeted interventions designed to improve team relationships and performance. FINDINGS: We engaged a complex multidisciplinary network of ~500 care providers dispersed across seven core interdependent clinical disciplines. Initial findings highlighted the importance of relationships in trauma care and opportunities to improve. Narrative survey and ethnographic findings further highlighted the centrality of a translational simulation programme in contributing positively to team culture and relational ties. A range of 16 interventions-focusing on structural, process and relational dimensions-were co-created with participants and are now being implemented and evaluated by various trauma care providers. CONCLUSIONS: Through engagement of clinicians spanning organisational boundaries, relational aspects of care can be measured and directly targeted in a collaborative quality improvement process. We encourage healthcare leaders to consider relationship-based quality improvement strategies, including translational simulation and relational coordination processes, in their efforts to improve care for patients with complex, interdependent journeys.
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 | 0,118 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,021 | 0,051 |
| Communication savante | 0,034 | 0,034 |
| Science ouverte | 0,008 | 0,031 |
| Intégrité de la recherche | 0,007 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».