Patient Safety in Emergency Medical Services: A Systematic Review of the Literature
Notice bibliographique
Résumé
BACKGROUND: Preventable harm from medical care has been extensively documented in the inpatient setting. Emergency medical services (EMS) providers care for patients in dynamic and challenging environments; prehospital emergency care is a field that represents an area of high risk for errors and harm, but has received relatively little attention in the patient safety literature. OBJECTIVE: To identify the threats to patient safety unique to the EMS environment and interventions that mitigate those threats, we completed a systematic review of the literature. METHODS: We searched MEDLINE, EMBASE, and the Cumulative Index to Nursing and Allied Health Literature (CINAHL) for combinations of key EMS and patient safety terms composed by a pan-canadian expert panel using a year limit of 1999 to 2011. We excluded commentaries, opinions, letters, abstracts, and non-english publications. Two investigators performed an independent hierarchical screening of titles, abstracts, and full-text articles blinded to source. We used the kappa statistic to examine interrater agreement. Any differences were resolved by consensus. RESULTS: We retrieved 5,959 titles, and 88 publications met the inclusion criteria and were categorized into seven themes: adverse events and medication errors (22 articles), clinical judgment (13), communication (6), ground vehicle safety (9), aircraft safety (6), interfacility transport (16), and intubation (16). Two articles were randomized controlled trials; the remainder were systematic reviews, prospective observational studies, retrospective database/chart reviews, qualitative interviews, or surveys. The kappa statistics for titles, abstracts, and full-text articles were 0.65, 0.79, and 0.87, respectively, for the first search and 0.60, 0.74, and 0.85 for the second. CONCLUSIONS: We found a paucity of scientific literature exploring patient safety in EMS. Research is needed to improve our understanding of problem magnitude and threats to patient safety and to guide interventions.
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 | 0,020 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,021 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».