Improving the paediatric surgery patient experience: an 8-year analysis of narrative quality data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Narrative data about the patient experience of surgery can help healthcare professionals and administrators better understand the needs of patients and their families as well as provide a foundation for improvement of procedures, processes and services. However, units often lack a methodological framework to analyse these data empirically and derive key areas for improvement. The American College of Surgeons National Surgical Quality Improvement Program (ACS NSQIP) is aimed at improving the quality of surgical care by collecting patient data and reporting risk-adjusted surgical outcomes for each participant hospital in the programme. Though qualitative data about patient experience are captured as part of the NSQIP database, to date no framework or methodology has been proposed, or reported on, to analyse these data for the purposes of quality improvement. The goal of this study was to demonstrate the feasibility of using content analysis to empirically derive key areas for quality improvement from a sample of 3601 narrative comments about paediatric surgery from patients and families at British Columbia Children's Hospital. STUDY DESIGN: Thematic content analysis conducted on a total of 3601 patient and family narratives received between 2011 and 2018. RESULTS: Overall satisfaction with care was high and experiences with healthcare providers at the hospital were positive. Areas for improvement were identified in the themes of health outcomes, communication and surgery timelines. Results informed follow-up interprofessional quality improvement initiatives. CONCLUSIONS: Recording and analysing patient experience data as part of validated quality improvement programmes such as ACS NSQIP can provide valuable and actionable information to improve quality of care.
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.
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 | 0,009 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle