Healthcare Quality Improvement: The Need for a Macro-Systems Approach
Notice bibliographique
Résumé
While the structure of healthcare systems evolved out of the need to address acute conditions, the function of healthcare systems evolved to primarily address chronic conditions. The healthcare delivery system organically developed to respond to "one-off" acute illness or injury. Subsequently, healthcare delivery systems grew into legacy systems that evolved into complex systems over time. Healthcare delivery for acute conditions tends to utilize a specific part or form of the healthcare delivery system. In contrast, healthcare delivery for chronic conditions forces patients to seek care over time between different places or healthcare entities. Because of the self-contained structural organization of these healthcare delivery systems, they were not designed to provide coordinated, integrated, and longitudinal care over time and place. Consequently, today's complex legacy healthcare delivery system requires significant improvement in the quality of care delivered to patients, especially those with chronic conditions. As a complex and legacy system, the most appropriate approach to improve the quality of delivered care is through a re-design quality improvement process, rather than a new system design process. In this paper, we describe the conceptual framework for quality improvement (QI) and the current micro and macro level approaches to quality improvement. We applied the current quality improvement approaches to the QI conceptual framework. We identified the limitations in current quality improvement processes in complex healthcare systems at the macro-level, pointing to the need for macro-systems approaches to healthcare quality improvement.
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 | 0,039 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,020 |
| Communication savante | 0,017 | 0,018 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».