A scoping review of new implementations of interprofessional bedside rounding models to improve teamwork, care, and outcomes in hospitals
Notice bibliographique
Résumé
Poor communication within healthcare teams occurs commonly, contributing to inefficiency, medical errors, conflict, and other adverse outcomes. Interprofessional bedside rounds (IBR) are a promising model that brings two or more health professions together with patients and families as part of a consistent, team-based routine to share information and collaboratively arrive at a daily plan of care. The purpose of this systematic scoping review was to investigate the breadth and quality of IBR literature to identify and describe gaps and opportunities for future research. We followed an adapted Arksey and O'Malley Framework and PRISMA scoping review guidelines. PubMed, CINAHL, PsycINFO, and Embase were systematically searched for key IBR words and concepts through June 2020. Seventy-nine articles met inclusion criteria and underwent data abstraction. Study quality was assessed using the Mixed Methods Assessment Tool. Publications in this field have increased since 2014, and the majority of studies reported positive impacts of IBR implementation across an array of team, patient, and care quality/delivery outcomes. Despite the preponderance of positive findings, great heterogeneity, and a reliance on quantitative non-randomized study designs remain in the extant research. A growing number of interventions to improve safety, quality, and care experiences in hospital settings focus on redesigning daily inpatient rounds. Limited information on IBR characteristics and implementation strategies coupled with widespread variation in terminology, study quality, and design create challenges in assessing the effectiveness of models of rounds and optimal implementation strategies. This scoping review highlights the need for additional studies of rounding models, implementation strategies, and outcomes that facilitate comparative research.
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 | 0,041 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,009 |
| Bibliométrie | 0,021 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 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 ».