MétaCan
Menu
Retour à la cohorte
Enregistrement W4310701478 · doi:10.1177/17504589221137978

Interventions to facilitate interprofessional collaboration in the operating theatre: A scoping review

2022· review· en· W4310701478 sur OpenAlexafffund
Marie‐Julie Levesque, Cole Etherington, Michelle Lalonde, Narges Moradi, Lindsey Sikora, Dawn Stacey

Notice bibliographique

RevueJournal of Perioperative Practice · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésDebriefingPsychological interventionTeamworkPatient safetyQuality managementMedical educationNursingMedicineQuality (philosophy)Knowledge managementProcess managementPsychologyHealth careOperations managementComputer scienceEngineeringManagement system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Ineffective collaboration can increase adverse events in the operating theatre. When professionals work collaboratively, they are more likely to improve patient safety and outcomes. AIM: To identify interprofessional collaboration interventions involving operating theatre teams and describe their effect on facilitating communication, teamwork, and safety. METHODS: A scoping review of four databases. Results were analysed by identifying interventions and mapping their related outcomes. RESULTS: Twenty studies evaluated single or multi-faceted interventions. Despite low-quality study designs (no randomised controlled trials), four interventions (eg: briefings, checklists, team training, debriefing) improved communication and teamwork, and enhanced safety outcomes. Only one study, using team training, reported that organisational level interventions (eg: Standard Operating Procedures, Lean quality improvement management system) improved teamwork and safety outcomes. CONCLUSION: Several studies reported interventions enhanced interprofessional collaboration within operating theatre teams. Although findings were in favour of improved communication and teamwork, more rigorous research is required.

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)0,013
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,043
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0120,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,387
Tête enseignante GPT0,610
Écart entre enseignants0,223 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Perioperative PracticeMême sujetPatient Safety and Medication ErrorsTravaux en français237 207