“Nothing Comes to Mind…”: Challenges With Identifying One’s Own Role in Preventable Adverse Outcomes in Interprofessional Birthing Unit Teams, and the Implications for Quality Improvement Initiatives
Notice bibliographique
Résumé
Introduction: Preventable adverse perinatal outcomes have a devastating impact on patients and providers and form the basis of many quality improvement (QI) and patient safety initiatives in birthing unit teams, including fetal health surveillance (FHS) training programs. Birthing unit staff attitudes regarding the role of interprofessional relationships on FHS decisions remain largely unexplored with respect to preventable adverse outcomes. Methods: In this intervention-primed, constructivist grounded theory study, members across all five professions providing intrapartum care at one academic centre attended an interprofessional workshop on improving their FHS interpretation, response, communication, and teamwork skills. Twenty-three birthing unit team members across midwifery, obstetrics, family medicine, nursing, and obstetrical trainees were purposively sampled and completed semi-structured interviews. Self-serving bias theory was used as a sensitizing concept to explore the social phenomena observed. Results: Birthing unit staff constructed a self-schema of their role in FHS management that was more flattering than the person-schema created by their colleagues about them. The schemas encoded four categories of information that included (1) Identifying the offender, (2) Assigning blame (3) Aligning with the "right" philosophy of care, and (4) Defending one's profession. Participants demonstrated distorted perceptual processes where they described errors other team members had made with ease but struggled to acknowledge their own role in poor outcomes. Discussion: Dissonant schemas can be barriers to the accurate self-assessment of one's skills and have significant implications for interprofessional team competence. QI initiatives may be of limited efficacy given these findings, but addressing these distorted perceptual processes in QI initiatives could improve team performance.
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 | 0,082 | 0,103 |
| 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 | 0,018 | 0,029 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».