MétaCan
Menu
Retour à la cohorte
Enregistrement W4417225239 · doi:10.1186/s43058-025-00819-5

The engagement equation: a model for understanding what drives voluntary physician engagement with data-driven clinical performance feedback

2025· article· en· W4417225239 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueImplementation Science Communications · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversité du Québec en OutaouaisInstitute for Work & HealthInstitut du Savoir MontfortPublic Health OntarioWomen's College HospitalTrillium Health CentreUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFocus (optics)Control (management)Focus groupMEDLINEEmployee engagement

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Clinical performance feedback (CPF) is widely used to support physician development and improve care. Yet, its impact remains limited by low voluntary engagement. This study sought to: (1) develop a theory-informed, report-agnostic model outlining the key beliefs that shape physician engagement with CPF; (2) explore patterns of feedback orientation across physicians; and (3) understand how individual perceptions influence engagement with CPF. METHODS: We used a cross-sectional, multi-method approach combining a survey and qualitative interviews with primary care physicians in Ontario, Canada. We validated a conceptual model using path analysis, explored heterogeneity in feedback orientation using latent profile analysis, and qualitatively examined how perceptions of CPF influenced engagement. RESULTS: Survey results (n = 206) supported a model in which engagement with CPF is shaped by five recipient characteristics: perceived need for change (change discrepancy), perceived value of CPF, confidence to act on feedback (feedback self-efficacy), belief that feedback is useful (feedback utility), and sense of responsibility to act (feedback accountability). Perceived utility mediated the effects of self-efficacy and value on accountability, and perceived need for change influenced value. Latent profile analysis identified three groups: physicians with high and balanced feedback orientation (n = 32), moderate and balanced (n = 143), and low feedback orientation with low self-efficacy (n = 31). Interview findings (n = 9) revealed two mindsets: physicians who saw value in CPF despite its limitations (engagers), and those who dismissed its relevance (non-engagers). These mindsets aligned with differences in value, utility, and accountability scores from the survey. CONCLUSIONS: Engagement with CPF is not one-size-fits-all. Physicians differ in how they appraise and act on feedback based on their beliefs about its relevance, usefulness, and their ability to act. CPF initiatives should explicitly link feedback to improved patient outcomes, focus on future actions, and provide clear, actionable guidance. Designing CPF that accounts for recipient heterogeneity is essential to realizing its full potential as an improvement strategy.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0180,002
Communication savante0,0000,004
Science ouverte0,0050,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,877
Tête enseignante GPT0,725
Écart entre enseignants0,152 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle