MétaCan
Menu
Retour à la cohorte
Enregistrement W4225631484 · doi:10.1186/s13741-021-00236-x

Barriers and facilitators of following perioperative internal medicine recommendations by surgical teams: a sequential, explanatory mixed-methods study

2022· article· en· W4225631484 sur OpenAlex
Kristin Flemons, Michael Bosch, Sarah Coakeley, Bushra Muzammal, Rahim Kachra, Shannon M. Ruzycki

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevuePerioperative Medicine · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensHealth Sciences CentreUniversity of Calgary
Organismes subventionnairesAlberta Health Services
Mots-clésMedicineAuditPerioperativeChartFamily medicineMEDLINEHealth careMedical emergencySurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Preoperative medical consultations add expense and burden for patients and the impact of these consults on patient outcomes is conflicting. Previous work suggests that 10-40% of preoperative medical consult recommendations are not followed. This limits measurement of the effect of perioperative medical consultation on patient outcomes and represents a quality gap, given the patient time and healthcare cost associated with consultation. We aimed to measure, characterize, and understand reasons for missed recommendations from preoperative medical consultation. METHODS: This explanatory, sequential mixed-methods study used chart audits followed by semi-structured interviews. Chart audit of consecutive patients seen in preoperative medical clinic were reviewed to measure the proportion and characterize the type of recommendations that were not completed ("missed"). This phase informed the interview participants and questions. The interview guide was developed using the Consolidated Framework for Implementation Research and the Theoretical Domains Framework. Template analysis was used to understand drivers and barriers of missed recommendations RESULTS: Chart audit included 255 patients (n=161, 63.1% female) seen in preadmission clinic between April 1 and April 30, 2019. 55.7% of patients had all recommendations followed (n=142). Postoperative anticoagulation management and postoperative cardiac biomarker surveillance recommendations were least commonly followed (50.0%, n=28, and 68.9%, n=82, respectively). Eighteen surgical team members were interviewed. Missed recommendations were both unintentional and intentional, and the key drivers differed by these categories. Unintentionally missed recommendations occurred due to individual-level factors (drivers: knowledge of the consultation note, lack of routine for reviewing the consultation note, and competing demands on time) and systems-level factors (driver: lack of role clarity). Intentionally missed recommendations occurred due to user error due (drivers: lack of knowledge of guidelines or evidence) and appropriate modifications (driver: need to adapt a preoperative plan for a complicated postoperative course). CONCLUSIONS: Only 55.7% of consult notes had all recommendations followed, suggesting a quality gap in perioperative medical care. Qualitative data suggests multiple drivers of missed recommendations that should be targeted to improve the efficiency of care for these patients.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,108
Tête enseignante GPT0,491
Écart entre enseignants0,383 · 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