Trying to Improve Care: The Morbidity and Mortality Conference in a Division of Rheumatology
Notice bibliographique
Résumé
OBJECTIVE: To describe the frequency and types of reported adverse events and system improvement recommendations in the Morbidity and Mortality Conference (M&MC) within the Division of Rheumatology at The Hospital for Sick Children, Toronto, Ontario, Canada (SickKids). METHODS: A 5-year retrospective review of the M&MC within the Division of Rheumatology at SickKids was completed. Descriptive data including the number and types of events reported were collected. Events were categorized using an adaptation of the National Coordinating Council for Medication Error Reporting and Prevention Index. Recommendations were classified according to the Institute for Safe Medication Practices Canada. RESULTS: Between January 2007 and December 2011, 30 regularly scheduled M&MC were held. Eighty-three cases were reviewed. The most common types of reported events were related to "miscommunication" (34.9%), "treatment/test/procedure" (22.9%), "adverse drug reactions" (12.0%), and "medication errors" (8.4%). Category A events ("an event that has the capacity to cause error") were the most common with 39.8% of the cases, followed by Category C events ("an event occurred that reached the patient, but did not cause harm") with 28.9%. Eighty-nine recommendations were made. Over half of these were classified as "information" (58.4%), followed by 11 "rules and policies" recommendations (12.4%). Of the 36 action items generated from these recommendations, most are either complete or ongoing. CONCLUSION: The M&MC within the Division of Rheumatology reviews a variety of events. Increased reporting of adverse events can lead to system improvements, and has the potential to improve and promote safer healthcare.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».