MétaCan
Menu
← Retour à la cohorte
Enregistrement W4367172003 · doi:10.1186/s12913-023-09402-x

Feedback on clinical team performance: how does it work, in what contexts, for whom, and for what changes? A critical realist qualitative multiple case study

2023· article· en· W4367172003 sur OpenAlexaff
Joachim Rapin, Sylvie Gendron, Cédric Mabire, Carl‐Ardy Dubois

Notice bibliographique

RevueBMC Health Services Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversité de MontréalHEC Montréal
Organismes subventionnairesUniversité de Lausanne
Mots-clésReflexivityThematic analysisNursing researchHealth informaticsHealth administrationQualitative researchHealth careRigourFocus groupData collectionMedical educationApplied psychologyMedicineQualitative propertyPsychologyKnowledge managementNursingPublic healthComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Feedback on clinical performance aims to provide teams in health care settings with structured results about their performance in order to improve these results. Two systematic reviews that included 147 randomized studies showed unresolved variability in professional compliance with desired clinical practices. Conventional recommendations for improving feedback on clinical team performance generally appear decontextualized and, in this regard, idealized. Feedback involves a complex and varied arrangement of human and non-human entities and interrelationships. To explore this complexity and improve feedback, we sought to explain how feedback on clinical team performance works, for whom, in what contexts, and for what changes. Our goal in this research was to present a realistic and contextualized explanation of feedback and its outcomes for clinical teams in health care settings. METHODS: This critical realist qualitative multiple case study included three heterogeneous cases and 98 professionals from a university-affiliated tertiary care hospital. Five data collection methods were used: participant observation, document retrieval, focus groups, semi-structured interviews, and questionnaires. Intra- and inter-case analysis performed during data collection involved thematic analysis, analytical questioning, and systemic modeling. These approaches were supported by critical reflexive dialogue among the research team, collaborators, and an expert panel. RESULTS: Despite the use of a single implementation model throughout the institution, results differed on contextual decision-making structures, responses to controversy, feedback loop practices, and use of varied technical or hybrid intermediaries. Structures and actions maintain or transform interrelationships and generate changes that are in line with expectations or the emergence of original solutions. Changes are related to the implementation of institutional and local projects or indicator results. However, they do not necessarily reflect a change in clinical practice or patient outcomes. CONCLUSIONS: This critical realist qualitative multiple case study offers an in-depth explanation of feedback on clinical team performance as a complex and open-ended sociotechnical system in constant transformation. In doing so, it identifies reflexive questions that are levers for the improvement of team feedback.

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)0,053
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,053
Score d'incertitude au seuil0,283

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,063
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0150,015
Communication savante0,0070,007
Science ouverte0,0040,008
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,327
Tête enseignante GPT0,614
Écart entre enseignants0,287 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services Research→Même sujetInnovations in Medical Education→Travaux en français237 207→