Study and promotion of safety culture using mixed methods research
Notice bibliographique
Résumé
Abstract Objective With a positive safety culture, institutions offer the best quality and safe care to their patients. The objective of this study was to analyze patient safety culture from the perspective of the multidisciplinary team, to identify factors that influence patient safety culture, and to create/promote—jointly with the study participants—strategies for improving processes of change. Methods The study design represented a mixed methods research approach, with a sequential explanatory design. A multidisciplinary team of workers at a general hospital was eligible for the study. To collect quantitative data, we administered the Safety Attitudes Questionnaire (SAQ). The qualitative phase was accomplished via focus groups (FGs), with participants from the first phase of the study using the principles of deliberative dialogue (DD) as a knowledge-translation strategy. The STROBE guideline was used to develop the study. Results The overall SAQ score was positive (75.1 ± 10.4). Negative scores were found in the fields of Safety Climate, Working Conditions, and Stress Recognition. Focus group discussions identified the aspects that create a negative impact on safety culture, such as ineffective communication, punitive approach in the event of errors, the lack of commitment and adherence to the protocols, and the non-recognition of the stress and the mistakes. Actions for the promotion of safety culture were developed and implemented during the study. Conclusions The use of the principles of DD as a strategy for knowledge translation (KT) made it possible to identify and plan for joint actions to generate improvements in safety culture.
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 | 0,003 | 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) | 0,000 | 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 ».