Refining Successful Implementation Strategies for the Surgical Safety Checklist in High-Income Contexts: Results of an International Mixed Methods Study
Notice bibliographique
Résumé
The WHO Surgical Safety Checklist (SSC) continues to show inconsistent success in reducing surgical complications in high-income settings. Previous implementation research identified potential barriers and facilitators to success, but it primarily consists of qualitative studies with small sample sizes in limited geographic areas. We conducted a multi-country mixed-methods study of barriers and facilitators to SSC implementation to better inform policies and practices for improving SSC buy-in and use to maximize its impact. This convergent parallel mixed-methods study utilized survey and interview data from surgical team members practicing in five countries. Survey data were analyzed using χ2 analysis or Fisher’s exact test for categorical variables and McNemar’s test to analyze differences between related groups for dichotomous variables. Interview data underwent inductive coding followed by thematic analysis for predominant themes common across the study countries. The study resulted in 2,032 survey responses and 51 interviews. Facilitators to success included having influential multi-disciplinary champions from surgery, anesthesiology, and nursing; using a distributed leadership process to promote ownership across all surgical team members; and providing education on the “why” of the checklist. Practitioners found patient safety metrics (e.g., wrong side surgery) more relevant than clinical outcome measures (e.g., surgical mortality) to assess SSC success. Finally, auditing for process engagement was felt to promote more meaningful use than auditing for checklist completion. Our international examination of barriers and facilitators to successful SSC implementation has identified more specific guidance for high-income settings that integrate people, data, and processes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».