Perceptions of Facilitators and Barriers to Measuring and Improving Quality in Palliative Care Programs
Notice bibliographique
Résumé
OBJECTIVE: To examine perceptions of facilitators and barriers to quality measurement and improvement in palliative care programs and differences by professional and leadership roles. METHODS: We surveyed team members in diverse US and Canadian palliative care programs using a validated survey addressing teamwork and communication and constructs for educational support and training, leadership, infrastructure, and prioritization for quality measurement and improvement. We defined key facilitators as constructs rated ≥4 (agree) and key barriers as those ≤3 (disagree) on 1 to 5 scales. We conducted multivariable linear regressions for associations between key facilitators and barriers and (1) professional and (2) leadership roles, controlling for key program and respondent factors and clustering by program. RESULTS: We surveyed 103 respondents in 11 programs; 45.6% were physicians and 50% had leadership roles. Key facilitators across sites included teamwork, communication, the implementation climate (or environment), and program focus on quality improvement. Key barriers included educational support and incentives, particularly for quality measurement, and quality improvement infrastructure such as strategies, systems, and skilled staff. In multivariable analyses, perceptions did not differ by leadership role, but physicians and nurse practitioners/nurses/physician assistants rated most constructs statistically significantly more negatively than other team members, especially for quality improvement (6 of the 7 key constructs). CONCLUSIONS: Although participants rated quality improvement focus and environment highly, key barriers included lack of infrastructure, especially for quality measurement. Building on these facilitators and measuring and addressing these barriers might help programs enhance palliative care quality initiatives' acceptability, particularly for physicians and nurses.
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 | 0,013 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».