Improving Efficiency of Multidisciplinary Bedside Rounds in the NICU: A Single Centre QI Project
Notice bibliographique
Résumé
INTRODUCTION: Inconsistent workflow, communication, and role clarity generate inefficiencies during bedside rounds in a neonatal intensive care unit. These inefficiencies compromise the time needed for essential activities and result in reduced staff and family satisfaction. This study's primary aim was to reduce the mean duration of bedside rounds by 25% within 3 months by redesigning the rounding processes and applying QI principles. The secondary aims were to improve staff and family experience. METHODS: We conducted this work in an academic 50-bed neonatal intensive care unit involving 350 staff members. The change interventions included: (i) reinforcing essential value-added activities like standardizing rounding time, the sequencing of patients rounded, sequencing each team member rounding presentations, team preparation, bedside presentation content, and time management; (ii) reducing non-value-added activities; and (iii) moving value-added nonessential activities outside of the rounds. RESULTS: The mean duration of rounds decreased from 229 minutes in the pre-implementation to 132 minutes in the postimplementation phase. The proportion of staff showing satisfaction regarding various components of the rounds increased from 5% to 60%, and perceived staff involvement during the rounds increased from 70% to 77%. Ninety-three percent of family experience survey respondents expressed satisfaction at being invited for bedside reporting and being involved in decision-making or care planning. The staff did not report any adverse events related to the new rounds process. CONCLUSION: Redesigning bedside rounds improved staff engagement and workflow, resulting in efficient rounds and better staff experience.
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 | 0,002 | 0,000 |
| 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 ».