Making Quality Improvement Data Meaningful for Long-Term Care Administrators
Notice bibliographique
Résumé
Abstract Tailoring feedback data to engage end-user stakeholders when sharing organizational context data is a central component of quality improvement and integrated knowledge translation. For over a decade, our research team has collected survey data (using the validated Alberta Context Tool) on modifiable aspects of organizational context from long-term care (LTC) staff (e.g., nurses, unregulated providers) across a representative cohort of 94 LTC facilities in Western Canada. We have fed back data at the facility and care unit level with the goal of making research findings more useful for decision-making and aiding improvement efforts. We have used a binary method (more favourable / less favourable organizational context) to report multidimensional data. While useful to our stakeholders (e.g., administrators) we are continually seeking ways to increase the detail in our reporting, while maintaining usability for stakeholders. We have now developed a more detailed method – the context rank summary, which displays rankings of care units within and across LTC facilities. In this study, we used a qualitative descriptive design to explore perspectives of administrators and managers (leaders) from LTC facilities on the two different methods for reporting survey data. We conducted a total of three focus groups with 16 leaders in the Maritimes and Ontario, Canada. Transcripts were analysed using content analysis. Leaders preferred a feedback report that combines a binary method with the greater detail of the context rank summary. Providing organizational context data that is more meaningful, relevant and actionable could offer an additional path to identifying areas for 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 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 | 0,178 | 0,371 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».