How Successful Are Residents and Fellows at Quality Improvement?
Notice bibliographique
Résumé
BACKGROUND: Nationally, there is an expectation that residents and fellows participate in quality improvement (QI), preferably interprofessionally. Hospitals and educators invest time and resources in projects, but little is known about success rates or what fosters success. PURPOSE: To understand what proportion of trainee QI projects were successful and whether there were predictors of success. METHODS: We examined resident and fellow QI projects in an integrated healthcare system that supports diverse training programs in multiple hospitals over 2 years. All projects were reviewed to determine whether they represented actual QI. Projects determined as QI were considered completed or successful based on QI project sponsor self-report. Multiple characteristics were compared between successful and unsuccessful projects. RESULTS: Trainees submitted 258 proposals, of which 106 (41.1%) represented actual QI. Non-QI projects predominantly represented needs assessments or retrospective data analyses. Seventy-six percent (81/106) of study sponsors completed surveys about their projects. Less than 25% of projects (59/258) represented actual QI and were successful. Project category was predictive of success, specifically those aimed at preventive care or education. CONCLUSION: Less than a quarter of trainee QI projects represent successful QI. IMPLICATIONS: Hospitals and training programs should identify interventions to improve trainee QI experience.
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 | 0,011 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».