Factors Influencing the Success of Quality Improvement Teams: A Qualitative Descriptive Single Case Study
Notice bibliographique
Résumé
As healthcare organizations started to return to “business as normal” in the post-COVID-19 pandemic era, there was a renewed focus on quality improvement initiatives being undertaken by multidisciplinary teams. Contextual and team-based factors are known to impact upon the success of these teams. A qualitative descriptive single case study research approach was used to explore the perceptions and experiences of members of multidisciplinary quality improvement teams in Halifax, Nova Scotia, Canada. Three focus groups and two interviews (representing five teams) were conducted with a total of 13 participants. Emergent themes from the focus group and interview data included the following: (1) cultivating a culture of continuous learning and growth (sub-themes: personal learning, supports for learning, and learning communities); (2) leading and influencing effectively (sub-theme: physician leadership); (3) working together and enabling partnerships; (4) finding joy and fulfilment in quality improvement efforts; (5) identifying characteristics of successful quality improvement teams; (6) defining quality improvement project success; (7) overcoming barriers and enhancing facilitators to quality improvement project success. Themes were mapped against the Model for Understanding Success in Quality (MUSIQ v2.0) framework and areas for further consideration and future research were identified including the impact of team stability/cohesion and equity diversity and inclusion (EDI) on multidisciplinary teams. Implications for practice, education, and research are provided.
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 | 0,016 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».