From Theory to Practice: Development and Evaluation of a Quality Improvement Curriculum for Psychiatry Residents
Notice bibliographique
Résumé
OBJECTIVES: Quality improvement (QI) is a systematic approach used to analyze and address problems in healthcare. Evidence of its success has led some national regulatory bodies to require QI education in residency training programs. However, limited work to date has demonstrated how residency programs can integrate best practices in QI education to design their own curriculum. This study describes the implementation and evaluation of a new QI curriculum, grounded in a theoretical model of how QI education works, for Canadian psychiatry residents. METHODS: PGY-2 and PGY-4 psychiatry residents received a 2.5-h mixed didactic and simulation-based QI workshop as a part of the 2021-2022 academic curriculum. Their knowledge and attitudes toward QI were assessed using the QI Knowledge Application Tool Revised (QIKAT-R) and the Beliefs and Attitudes subscale of the Beliefs, Attitudes, Skills, and Confidence in QI (BASiC-QI). RESULTS: Eleven of 12 residents (92%) who completed the curriculum participated in the study. Average QIKAT-R scores improved from 4.45 to 7.00. Average BASiC-QI Beliefs and Attitudes subscale scores increased by 5.55 points. Residents reported enjoying QI and an increased desire to participate in future QI projects. CONCLUSION: This study demonstrates how a programme theory of QI education can be used to develop an effective, locally-tailored curriculum. This approach can be replicated by other educators to develop or improve QI curricula.
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 | 0,032 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».