High-performance team assessment instruments: A scoping review
Notice bibliographique
Résumé
Background & Aim: Assessing team performance is crucial in developing effective management strategies within healthcare. Therefore, identifying reliable tools that accurately measure team competencies is essential. This study aims to review the existing evidence on valid instruments to evaluate high-performance teams in healthcare. Methods & Materials: A scoping review was conducted according to the methodology proposed by the Joanna Briggs Institute. The study was based on the PCC framework (Population, Concept, and Context), concentrating on healthcare teams (population), tools for evaluating high-performance teams (concept), and all areas of professional practice (context). The literature search included databases such as CINAHL Complete (EBSCO), LILACS (BVS), MEDLINE Complete (PubMed), PsycINFO (EBSCO), and Scopus. Grey literature was searched on WorldCat and ProQuest Dissertations & Theses. Study selection took place in two stages: an initial screening of titles and abstracts to identify relevant studies, followed by a full-text review of the selected articles. Results: Initially identified 1,104 articles and selected six for inclusion in this review. Four instruments were recognized for assessing high-performance teams in healthcare: the Mayo High Performance Teamwork Scale, the Ottawa Crisis Resource Management Global Rating Scale, the Trust, and the Team Performance Observation Tool. Conclusion: The primary contribution of this study was the identification of tools that provide constructive feedback to facilitate the ongoing development of high-performance teams. The implementation of systematic, evidence-based strategies supported by these evaluation tools fosters a data-driven approach to clinical decision-making and enhances the overall quality of care
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».