Interprofessional interventions that impact collaboration and quality of care across inpatient trauma care continuum: A scoping review
Notice bibliographique
Résumé
INTRODUCTION: Despite the recognized importance of interprofessional collaboration (IPC) in trauma care, healthcare professionals often work in silos. Interprofessional (IP) interventions are crucial for optimizing IPC and delivering high-quality care across clinical contexts, yet their effectiveness throughout the inpatient trauma care continuum is not well understood. Thus, this review aimed to examine the literature on the effectiveness of IP interventions on collaboration processes and related outcomes in inpatient trauma care. METHODS: We conducted a scoping review following Joanna Briggs Institute's methodology. We searched six databases for studies from the last decade on IP interventions in inpatient trauma care. Two independent reviewers categorized IP interventions (education, practice, organization) and extracted their impact on IPC processes and related outcomes (team performance, patient, organization). RESULTS: Of the 17,397 studies screened, 148 met the inclusion criteria. Most were cohort designs (72%), conducted in level I trauma centers (57%) and emergency departments (51%), and involved surgeons (56%) and nurses (53%). Studies focused on IP organization interventions (51%), such as clinical pathways; IP practice interventions (35%), such as trauma team activation protocols; and IP education interventions (14%) including multi-method education. IP practice interventions most effectively improved team performance results, while IP education interventions primarily improved IPC processes. Positive patient outcomes were limited, with few studies examining organizational effects. CONCLUSIONS: Significant advancements are still required in IP interventions and trauma care research. Future studies should rigorously explore the effectiveness of interventions throughout the inpatient trauma care continuum and focus on developing robust measures for patient and organizational outcomes.
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 | 0,021 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,017 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».