Teaming to Revitalize the Morbidity and Mortality Conference
Notice bibliographique
Résumé
PROBLEM: Teaming is a conceptual approach to collaboration in dynamic environments. The internal medicine (IM) morbidity and mortality conference (M&M) is an environment where dynamic collaboration is essential to achieve educational and patient safety goals. APPROACH: Teaming principles were applied to revitalize the Mayo Clinic IM Residency M&M. All 104 Mayo Clinic postgraduate year (PGY) 2 residents participated in this curriculum in academic years July 2021 to June 2023. Rooted in project management and leadership principles, teaming fosters adaptation and collaboration, making it well suited for analyzing patient safety events (PSEs). A resident-led, faculty-mentored Quality Improvement and Patient Safety (QIPS) Council implemented a teaming-based M&M redesign in July 2021 that included a case selection tool, case vetting by the QIPS Council, and a structured timeline for M&M that ensured effective engagement with multidisciplinary stakeholders. These interventions culminated in a rebranded M&M in which interprofessional institutional leaders (i.e., special guests) were invited to discuss system-wide issues related to the PSE, creating a forum for discussion and identification of improvement opportunities. OUTCOMES: Evaluations on the M&M curriculum were completed by 74 of 104 PGY-2 residents (71.2%). Results showed significant improvements before versus after M&M in residents' ability to identify PSEs (57 [77%] vs 69 [93.2%], P = .002), confidence in reporting (50 [67.6%] vs 72 [97.2%], P < .001), analyzing PSEs (44 [59.5%] vs 70 [94.6%], P < .001), and belief that M&M would improve future patient care (58 [78.4%] vs 70 [94.6%], P = .004). Sixty-one residents (82.4%) agreed that participating in M&M would change their future practice. NEXT STEPS: Teaming has transformed the IM residency M&M by fostering effective collaboration among a diverse group of residents and institutional leaders. The next step is to apply the teaming framework to other areas of the residency curriculum where dynamic teamwork is needed.
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 | 0,012 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».