Self-Reported Medical Errors in Seven Countries: Implications for Canada
Notice bibliographique
Résumé
The purpose of this study was to determine the rate of self-reported errors in Canada compared with other countries, and to identify risk factors for medical error. In 2007, the Commonwealth Fund surveyed a sample of adults in seven industrialized nations, including Canada. Data from this source were used to perform a bivariate analysis comparing those individuals who reported having experienced a medical error with those who did not, followed by a logistic regression model to delineate the relationship between medical error and several explanatory variables. Overall, 11,910 respondents from seven countries were included in the analysis. The rate of self-reported medical error ranged from 12 to 20% in the seven nations. Approximately one in six Canadians reported having experienced at least one error in the past two years, which translates to 4.2 million adult Canadians. Several variables were found to have a statistically significant relationship to self-reported medical errors in the final regression model, including high prescription drug use, the presence of a chronic condition, a lack of physician time with the patient, age under 65, a lack of patient involvement in care, perceived inadequate nursing staffing and an absence of a regular doctor. Identification of several patient, provider and system characteristics associated with self-reported medical error should aid in the development of strategies to address this problem by healthcare decision-makers and clinicians.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».