Attitude is everything?
Notice bibliographique
Résumé
BACKGROUND: Hospitals face an increasing pressure toward efficiency and cost reduction while ensuring patient safety. This warrants a closer examination of the trade-off between production and protection posited in the literature for a high-risk hospital setting (intensive care). PURPOSES: On the basis of extant literature and concepts on both safety management and organizational/safety culture, this study investigates to which extent production pressure (i.e., increased staff workload and capacity utilization) and safety culture (consisting of safety climate among staff and safety tools implemented by management) influence the occurrence of medical errors and if/how safety climate and safety tools interact. METHODOLOGY/APPROACH: A prospective, observational, 48-hour cross-sectional study was conducted in 57 intensive care units. The dependent variable is the incidence of errors affecting those 378 patients treated throughout the entire observation period. Capacity utilization and workload were measured by indicators such as unit occupancy, nurse-to-patient/physician-to-patient ratios, levels of care, or NEMS scores. The safety tools considered include Critical Incidence Reporting Systems, audits, training, mission statements, SOPs/checklists, and the use of barcodes. Safety climate was assessed using a psychometrically validated four-dimensional questionnaire.Linear regression was employed to identify the effects of the predictor variables on error rate as well as interaction effects between safety tools and safety climate. FINDINGS: Higher workload has a detrimental effect on safety, whereas safety climate-unlike the examined safety tools-has a virtually equal opposite effect. Correlations between safety tools and safety climate as well as their interaction effects on error rate are mostly nonsignificant. PRACTICE IMPLICATIONS: Increased workload and capacity utilization increase the occurrence of medical error, an effect that can be offset by a positive safety climate but not by formally implemented safety procedures and policies.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».