MétaCan
Menu
Retour à la cohorte
Enregistrement W4210620181 · doi:10.1097/jmq.0000000000000039

Improving Mortality Through a Multihospital, Collaborative Quality Improvement Project

2022· article· en· W4210620181 sur OpenAlexaboutno aff

Notice bibliographique

RevueAmerican Journal of Medical Quality · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality managementPsychological interventionDocumentationHealth carePatient safetyAccountabilityQuarter (Canadian coin)

Résumé

récupéré en direct d'OpenAlex

Improving hospital mortality is a key focus of quality and safety efforts at both the local and national level. Structured interventions can assist organizations in determining whether interventional efforts have led to sustained improvement. The PARiHS framework (Promoting Action on Research Implementation in Health Services) can assist organizations in implementing research into practice. This study investigates the use of the PARiHS framework in implementing a multihospital quality improvement project aimed at improving observed-to-expected mortality as measured by Vizient's Clinical Data Base (CDB). Structured interventions during the study period included mortality reviews, clinical documentation improvement opportunities, educational webinars, training and support in the use of CDB to explore ongoing opportunities for mortality improvement and quarterly reports to each participating hospital's leadership team on their performance. Data were gathered from an improvement collaborative in the Upper Midwest, which comprised 34 hospitals, of which 17 participated in the intervention. Measurement occurred from Quarter 4 2016 through Quarter 3 2020 and consisted of a preintervention, intervention, and postintervention period. Although both participating and nonparticipating hospitals achieved a significant reduction in their mortality observed-to-expected ratio from the preintervention period through the postintervention period, the participating hospitals achieved a greater reduction in their observed-to-expected mortality ratio ( P < 0.0004). In addition, the participating hospitals achieved a relative 21% improvement in the mortality domain rank of the Vizient Quality & Accountability Study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,042
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,220

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0020,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,484
Tête enseignante GPT0,703
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Medical QualityMême sujetHealth Policy Implementation ScienceTravaux en français237 207