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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».