Miscommunication Among Healthcare Professionals In The Hospital Setting: A Quality Improvement Project
Notice bibliographique
Résumé
Research has identified that 81% of interruptions during handoff were from the nurse receiving handoff(Rhudy, L., Johnson, M., Krecke, C., Keigley, D., Schnell, S., Maxson, P., McGill, S., & Warfield, K., 2019). Miscommunication in the healthcare field is a considerably large issue. It often times goes unmentioned, which can negatively impact patient’s care. A thorough literature review was conducted and a total of 64 studies were reviewed. Common themes that emerged included language barriers and cultural differences can often be associated with miscommunication in the healthcare setting. With miscommunication and the errors that result from it, trainings and policies have been made in order to reduce the incidence from happening. These include things like teamwork enhancement and communication trainings As a result of this literature review a guideline handout was created to illustrate the SBAR (Situation, Background, Assessment, Recommendations) technique for handoff in order to improve how healthcare providers will communicate information about the patients. This guideline will be shared with clinical faculty. The expected results will show an improvement in the communication among healthcare professionals, which will also improve patient outcomes. Miscommunication must be addressed by every and all members within a healthcare setting in order to try and eliminate errors.
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 | 0,088 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».