Survey of Nursery Errors in Healthcare Centers, Isfahan, Iran
Notice bibliographique
Résumé
BACKGROUND & AIM: Nurse's mistakes usually have a strong effect on the patients trust and satisfaction in the health services systems, and it can also lead to stress and moral contradicts among nurses. This study has aimed to survey the rate of nurses' mistakes, according to documents in the Isfahan Province during 2007-2012. METHODS: The study was a descriptive cross-sectional study. The sample population consisted of all complaints concerning nursing services provided in hospitals, private clinics and other health service centers between 2007 and 2012, submitted to the Forensic Medicine Commission Office, in Isfahan. The data were collected by a cheklist and analyzed using SPSS version 16.0 software. RESULTS: Out of 708 complaints, 70 (9.8%) cases were related to nurses. Twenty-four cases led to awards. The age range of nurses was 35-40 (25.7%). Out of 70 nurses with a record, 75% (53 people) were female and the rest were male. Sixty four nurses (91.4%) were working in hospitals. Negligence was the first basis of the court rulings (16 cases out of 24). Nurses' recklessness in providing services was due to their convictions among 66.7% of the cases. CONCLUSION: Although efforts to reduce and control nurses' faults and mistakes depends on using a system for studying and removing the factors which lead to faults, human error is inevitable in every occupation and a 100% accurate operation is unreachable.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».