Medication Error Disclosure and Attitudes to Reporting by Healthcare Professionals in a Sub-Saharan African Setting: A Survey in Uganda
Notice bibliographique
Résumé
BACKGROUND: Medication errors (MEs) are largely under-reported, which undermines quality improvement and medication risk management in healthcare. OBJECTIVES: To assess attitudes of Ugandan healthcare professionals (HCPs) towards ME reporting, and identify characteristics of HCPs who endorsed integration of ME and adverse drug reaction (ADR) reporting, valued patient involvement in ME reporting, disclosed having ever made potentially harmful MEs, or observed possibly harmful MEs committed by other HCPs. METHODS: Healthcare professionals self-completed a questionnaire on their attitudes towards the occurrence and reporting of MEs in purposively selected Ugandan health facilities (public/private) including the national referral and six regional referral hospitals representative of all regions. RESULTS: Response rate was 67 % (1345/2000). Most HCPs (91 %; 1174/1289) approved a national ME reporting system for Uganda and 58 % (734/1261) endorsed integration of ME and ADR reporting. Two-thirds (65 %; 819/1267) of HCPs valued patient involvement in ME reporting, one-fifth (18 %; 235/1310) disclosed that they had ever made potentially harmful MEs, while two-fifths (41 %; 542/1323) had ever identified possibly harmful MEs committed by other HCPs. Endorsing patient involvement in ME reporting was more likely by HCPs who valued root-cause analysis and reporting of both actual and potential MEs, or who conceded inadequate communication and lack of time. Self-disclosure of having ever committed potentially harmful MEs was more likely with the need for confidentiality, working in stressful conditions, and willingness to report ADRs. Identifying possibly harmful MEs committed by other HCPs was more likely by non-nurses and those who reported blame culture, stressful conditions, ever encountered a fatal ADR, or attachment to hospital-level health facility. CONCLUSION: A non-punitive healthcare environment and patient involvement may promote ME disclosure and reporting in Uganda and possibly other African countries.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».