Rescue Improvement Conference
Notice bibliographique
Résumé
OBJECTIVE: To understand the effectiveness of Rescue Improvement Conference, a forum that addresses FTR. SUMMARY OF BACKGROUND DATA: Every year over 150,000 patients die after elective surgery in the United States. FTR is the phenomenon whereby delayed recognition and/or response to serious surgical complications leads to a progressive cascade of adverse events culminating in death. Rescue Improvement Conference is an adapted version of the Ottawa-style morbidity and mortality conference, designed to address common contributors to FTR: ineffective communication and inadequate problem solving. METHODS: Mixed methods data were used to evaluate Rescue Improvement Conference, a bi-monthly forum that was first introduced in our academic medical center in 2018. Conference effectiveness data were collected via survey and open-text responses after 5 conferences between September 2018 and February 2020. We focused on 5 indicators of effectiveness: educational value, conference takeaways, discussion time, changes to surgical practice, and actionable opportunities for improvement. Twelve surgical faculty and house staff also provided feedback during semi-structured interviews. Qualitative data were analyzed using thematic analysis. RESULTS: Conference attendees (N = 140) felt that Rescue Improvement Conference was effective-all 5 indicators had mean scores above 5 on Likert scales. The qualitative data supports the quantitative findings, and 3 additional themes emerged: Rescue Improvement Conference enables the representation of diverse voices, promotes interdisciplinary collaboration, and encourages multilevel problem solving. CONCLUSIONS: Rescue Improvement Conference has the potential to support other surgical departments in developing system-level strategies to recognize and manage postoperative complications by providing stakeholders a forum to identify and discuss factors that contribute to FTR.
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 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,104 | 0,016 |
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 ».