What's the CATCH? A Participatory Learning Model for Case Review Rounds to Support a Culture of Safety and Quality Improvement in Pediatric Hospital Medicine
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of a new model, Case Analysis and Translation to Care in Hospital (CATCH), for the review of pediatric inpatient cases when an adverse event or "close call" had occurred. STUDY DESIGN: The curricular intervention consisted of an introductory podcast/workshop, mentorship of presenters, and monthly CATCH rounds over 16 months. The study was conducted with 22 pediatricians at a single tertiary care center. Intervention assessment occurred using participant surveys at multiple intervals: pre/post the intervention, presenter experience (post), physicians involved and mentors experience (post), and after each CATCH session. Paired t-tests and thematic analysis were used to analyze data. Time required to support the CATCH process was used to assess feasibility. RESULTS: Our overall experience and data revealed a strong preference for the CATCH model, high levels of engagement and satisfaction with CATCH sessions, and positive presenter as well as physicians-involved and mentor experiences. Participants reported that the CATCH model is feasible, engages physicians, promotes a safe learning environment, facilitates awareness of tools for case analysis, and provides opportunities to create "CATCH of the Day" recommendations to support translation of learning to clinical practice. CONCLUSIONS: The CATCH model has significant potential to strengthen clinical case rounds in pediatric hospital medicine. Future research is needed to assess the effectiveness of the model at additional sites and across medical specialities.
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 | 0,049 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».