Rising Through the Pandemic: A scoping review of quality improvement in public health during the COVID-19 pandemic
Notice bibliographique
Résumé
Abstract Background The COVID-19 pandemic generated a growing interest in and need for evidence-based tools to facilitate the implementation of emergency management strategies within public health practice. Quality improvement (QI) has been identified as a key framework and philosophy to guide organizational emergency response efforts; however, the nature and extent to which it has been used in public health settings during the COVID-19 pandemic remains unclear. Methods We conducted a scoping review of literature published January 2020 – February 2021 and focused on the topic of QI at public health agencies during the COVID-19 pandemic. The search was conducted on four bibliographic databases, in addition to a supplementary grey literature search using custom Google search engines and targeted website search methods. Of the 1,878 peer-reviewed articles assessed, 15 records met the inclusion criteria. An additional 11 relevant records were identified during the grey literature search, for a total of 26 records included in the scoping review. Results Records were organized into five topics: 1) collaborative problem solving and analysis with stakeholders; 2) supporting learning and capacity building in QI; 3) learning from past emergencies; 4) implementing QI methods during COVID-19; and 5) evaluating performance using frameworks/indicators. Conclusions The literature indicates that QI-oriented activities are occurring at the organizational and program levels to enhance COVID-19 response. To optimize the benefits that QI approaches and methodologies may offer, it is important for public health agencies to focus on both widespread integration of QI as part of an organization’s management philosophy and culture, as well as project level activities at all stages of the emergency management cycle.
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 | 0,052 | 0,197 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,031 | 0,036 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».