MétaCan
Menu
Retour à la cohorte
Enregistrement W4394840203 · doi:10.1016/j.clinbiochem.2024.110764

Primer Part 1 − Preparing a laboratory quality improvement project

2024· article· en· W4394840203 sur OpenAlexaff
Mary Kathryn Bohn, Roy Augustin, Lucas B. Chartier, Luke Devine, Samik Doshi, Leanne Ginty, Elliot Lass, Felix Leung, William Mundle, Graeme Nimmo, Alyson Sandy, Kelly Shillington, Amanda Simon, Amanda Steiman, Ahmed Taher, Cindy Tang Friesner, Cristina Zanchetta, Jennifer Taher

Notice bibliographique

RevueClinical Biochemistry · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensYork Central HospitalUniversity Health NetworkUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésQuality managementQuality assuranceQuality (philosophy)Medical laboratoryStakeholderStakeholder engagementProcess (computing)Computer scienceIdentification (biology)Process managementHealth careMedicineOperations managementBusinessEngineeringManagement systemExternal quality assessmentNursing

Résumé

récupéré en direct d'OpenAlex

Quality in laboratory medicine encompasses multiple components related to total quality management, including quality control (QC), quality assurance (QA), quality indicators, and quality improvement (QI). Together, they contribute to minimizing errors (pre-analytical, analytical, or post-analytical) in clinical service delivery and improving process appropriateness and efficiency. In contrast to static quality benchmarks (QC, QA, quality indicators), the QI paradigm is a continuous approach to systemic process improvement for optimizing patient safety, timeliness, effectiveness, and efficiency. Healthcare institutions have placed emphasis on applying the QI framework to identify and improve healthcare delivery. Despite QI's increasing importance, there is a lack of guidance on preparing, executing, and sustaining QI initiatives in the field of laboratory medicine. This has presented a significant barrier for clinical laboratorians to participate in and lead QI initiatives. This three-part primer series will bridge this knowledge gap by providing a guide for clinical laboratories to implement a QI project that issuccessful and sustainable. In the first article, we introduce the steps needed to prepare a QI project with focus on relevant methodology and tools related to problem identification, stakeholder engagement, root cause analysis (e.g., fishbone diagrams, Pareto charts and process mapping), and SMART aim establishment. Throughout, we describe a clinical vignette of a real QI project completed at our institution focused on serum protein electrophoresis (SPEP) utilization. This primer series is the first of its kind in laboratory medicine and will serve as a useful resource for future engagement of clinical laboratory leaders in QI initiatives.

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)0,028
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: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,251

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,028
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,005
Science ouverte0,0030,007
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0750,052

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 Opus0,103
Tête enseignante GPT0,487
Écart entre enseignants0,384 · 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
GenreMéthodes

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

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical BiochemistryMême sujetClinical Laboratory Practices and Quality ControlTravaux en français237 207