Methodologic attributes of quality improvement studies in neonatology: a systematic survey
Notice bibliographique
Résumé
Introduction Quality improvement (QI) is a growing field of inquiry in healthcare, including neonatology. However, there is limited information on the study setting, and the methodologic approaches used to develop, implement and evaluate QI interventions in neonatology studies. In this study, we describe these intervention characteristics and approaches. Methods Articles were taken from a previous publication. There, we searched MEDLINE for publications of QI studies from 2016 to 16 April 2020. We retrieved all relevant full-text publications and sampled 100 of these articles for data abstraction, stratified by the year of publication. For each QI study, we described several methodological characteristics that included: the clinical topic of QI, setting, whether the study was multicentre, stakeholder engagement, root cause analysis and related problem identification methods, implementation techniques for QI interventions, types of outcomes and statistical analysis methods used. Results We assessed 100 studies; most were conducted in the USA (56%). Academic settings and multicentre settings comprised 44% and 24% of studies, respectively. Most studies reported stakeholder engagement (81%), but infrequently reported engagement with leadership (32%) and caregivers (10%). Frequently used techniques for implementing interventions include provider education (82%), formal QI methods (42%) and audit, feedback and benchmarking (40%). Both patient-important clinical outcomes (78%) and process outcomes (89%) were frequently reported. P values were frequently reported (80%), but other statistical techniques were infrequently used. Conclusion QI studies in neonatology use diverse multicomponent interventions. Reporting of these methodologic details can be useful in designing, implementing and evaluating QI studies in clinical practice.
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 | 0,039 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».