Enhancing Transfer of Accountability in Burn Intensive Care Unit Nursing: A Quality Improvement Initiative
Notice bibliographique
Résumé
In the burn intensive care unit (ICU), effective nurse handovers are critical to patient safety. Communication gaps during the transfer of accountability (TOA) contribute to preventable safety incidents. We designed a quality improvement (QI) initiative to standardize TOA and improve safety culture. A baseline safety culture survey of 31 burn ICU nurses and a 3-month review of incident reports (mean: 18/month) identified handover-related communication failures, including omitted treatments, delayed wound care, and missed monitoring responsibilities. We co-developed a structured, burn-specific TOA tool with frontline nurses and introduced it through targeted education. The intervention was implemented over eight weekly Plan-Do-Study-Act (PDSA) cycles. Outcomes included incident rates, nurse-reported safety culture, and process adherence. Postintervention, safety incidents decreased by 50% (from 18 to 9/month), and TOA-related safety culture scores improved by 20%, achieving both SMART objectives. Tool adherence exceeded 90% by the final cycle. Nurses reported improved clarity, reduced cognitive load, and enhanced interprofessional communication. No adverse workflow impacts were observed. A co-designed TOA tool, integrated with education and iterative PDSA refinement, significantly improved handover safety and reduced incidents in the burn ICU. This initiative provides a practical, scalable model for enhancing communication and safety culture in high-risk clinical settings.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».