Barriers and Facilitators to the Implementation and Adoption of a Continuous Quality Improvement Program in Surgery: A Case Study
Notice bibliographique
Résumé
INTRODUCTION: As postoperative adverse events (AEs) drive worsened patient experience, longer length of stay, and increased costs of care, surgeons have long sought to engage in innovative approaches aimed at reducing AEs to improve the quality and safety of surgical care. While data-driven AE performance measurement and feedback (PMF) as a form of continuing professional development (CPD) has been presented as a possible approach to continuous quality improvement (CQI), little is known about the barriers and facilitators that influence surgeons' engagement and uptake of these CPD programs. The purpose of this knowledge translation informed CPD study was to examine surgeons' perspectives of the challenges and facilitators to participating in surgical CQI with the broader objective of enhancing future improvements of such CPD interventions. METHODS: Using Everett Rogers diffusion of innovations framework as a sampling frame, the participants were recruited across five surgical divisions. An exploratory case study approach, including in-depth semistructured interviews, was employed. Interview transcripts were analyzed and directly coded using the Theoretical Domains Framework. RESULTS: Directed coding yielded a total of 527 coded barriers and facilitators to behavior change pertaining to the implementation and adoption of PMF with the majority of barriers and facilitators coded in four key theoretical domains environmental context and resources, social influences, knowledge, and beliefs about consequences. A key barrier was the lack of support from the hospital necessitating surgeons' self-funding their own PMF programs. Facilitators included having a champion to drive CQI and using seminars to facilitate discussions around CQI principles and practices. DISCUSSION: This study identified multiple barriers and facilitators to surgeons' engagement and uptake of a data-driven PMF system in surgery. A key finding of the study was the identification of the influential role of positive deviance seminars as a quality improvement and patient safety mechanism that encourages surgeon engagement in PMF systems.
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 | 0,010 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».