Equity Landscape in Healthcare Quality: A Mixed-Methods Study of Efforts Within Surgical Quality Programs
Notice bibliographique
Résumé
BACKGROUND: Addressing equity in healthcare is necessary to improve population health outcomes. In doing so, a requisite level of foundational resources, organization, and processes is needed. Although increasing attention is being devoted to addressing health inequity, the current landscape supporting these efforts remains unknown. We sought to evaluate the presence of frontline resources, organization, and processes for support of health equity efforts in hospitals participating in American College of Surgeons (ACS) quality programs. STUDY DESIGN: Using a mixed-methods design of online surveys and semistructured interviews, we evaluated hospitals with ACS quality programs. Descriptive analytics were applied to survey results; interview transcripts were coded using an inductive approach. Data and methods were triangulated to report key findings. RESULTS: Of the 44 programs invited, 36% completed the survey. Five site program leaders were interviewed. All program leaders reported having a strategy at the institution level for supporting equity efforts and having processes in place for reporting instances of discrimination, mistreatment, or harassment. Survey results demonstrated deficient workforce capacity, lack of engagement, and insufficient organization-negatively impacting efforts. The key themes from interviews were (1) implementation occurred primarily and superficially at the institutional level; (2) barriers to implementation included preemptive structure, lack of prioritization, and insufficient disparity data; and (3) opportunities included enhancing leadership and staff buy-in, increasing available resources, developing health equity champions, and defining clear strategies. CONCLUSIONS: Efforts aimed at achieving health equity exist but lack the necessary infrastructure, organization, and processes to support effective frontline practices. The findings from this study support consideration of standards development targeting problems and opportunities at both the institutional and program levels for advancing equity in quality improvement efforts.
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 | 0,039 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».