Development of a Competency Framework for Quality Improvement in Family Medicine: A Qualitative Study
Notice bibliographique
Résumé
Objective: The aim of this study was to develop a comprehensive framework of quality improvement competencies for use in continuing professional development (CPD) and continuing medical education (CME) for European general practice/family medicine physicians (GPs/FDs). Methods: The study was carried out in three phases: literature review, consensus development panels, and Delphi technique. An initial competencies framework was developed from an extensive literature review focusing on literature in English from 2000 to 2011 and addressing quality improvement competencies for general practitioners in continuous education programs. Two rounds of reviews by consensus development panels were undertaken to evaluate and make changes to the initial draft competency framework. Then two rounds of Delphi surveys were carried out in an effort to reach consensus on the domains and competencies included in the framework. Our goal was for 90% to 100% consensus. Both surveys were presented through SurveyMonkey, an online survey service, and sent by e-mail to members of the European Association for Quality and Patient Safety in General Practice/Family Medicine (EQuiP), a network organization of Wonca Europe. Results: The Quality Improvement Competencies Framework was developed. It consists of a list of 35 competencies organized into the following domains: Patient Care & Safety, Effectiveness & Efficiency, Equity & Ethical Practice, Methods & Tools, Leadership & Management, and Continuing Professional Education. Conclusion: We believe that the framework can serve as a useful tool for identifying gaps in knowledge and skills and guiding the development of CPD and CME curricula for GPs/FDs not only in Europe but also in other regions, including the United States and Canada, on the assumption that many of the core tasks of quality improvement would be relevant across multiple contexts. Key Words: quality improvement, competencies, family medicine, qualitative study, continuing professional development Disclosures:
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 | 0,037 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».