Reducing the Burden of Surgical Harm
Notice bibliographique
Résumé
OBJECTIVE: To perform a systematic review of interventions used to reduce adverse events in surgery. BACKGROUND: Many interventions, which aim to improve patient safety in surgery, have been introduced to hospitals. Little is known about which methods provide a measurable decrease in morbidity and mortality. METHODS: MEDLINE, EMBASE, and Cochrane databases were searched from inception to Week 19, 2012, for systematic reviews, randomized controlled trials (RCTs), and cross-sectional and cohort studies, which reported an intervention aimed toward reducing the incidence of adverse events in surgical patients. The quality of observational studies was measured using the Newcastle-Ottawa Scale. RCTs were assessed using the Cochrane Collaboration's tool for assessing risk of bias. RESULTS: Ninety-one studies met inclusion criteria, 26 relating to structural interventions, 66 described modifying process factors. Only 17 (of 42 medium to high quality studies) reported an intervention that produced a significant decrease in morbidity and mortality. Structural interventions were: improving nurse to patient ratios (P = 0.008) and Intensive Care Unit (ITU) physician involvement in postoperative care (P < 0.05). Subspecialization in surgery reduced technical complications (P < 0.01). Effective process interventions were submission of outcome data to national audit (P < 0.05), use of safety checklists (P < 0.05), and adherence to a care pathway (P < 0.05). Certain safety technology significantly reduced harm (P = 0.02), and team training had a positive effect on patient outcome (P = 0.001). CONCLUSIONS: Only a small cohort of medium- to high-quality interventions effectively reduce surgical harm and are feasible to implement. It is important that future research remains focused on demonstrating a measurable reduction in adverse events from patient safety initiatives.
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 | 0,068 | 0,181 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,012 |
| Bibliométrie | 0,023 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».