Barriers to and Incentives for Safety Event Reporting in Emergency Departments
Notice bibliographique
Résumé
Patient safety events (PSEs) are common in healthcare and may be particularly prevalent in complex care settings such as emergency departments (EDs). Systems for reporting, analyzing, learning from and responding to incidents are promoted as a means to reduce adverse events by facilitating feedback, learning and system change. However, only 4-50% of PSEs are reported. Under-reporting masks the true number of PSEs and may reduce our ability to learn from and prevent repeat events. The goal of this study was to identify barriers that prevent PSE reporting and incentives that encourage reporting. Semi-structured interviews were carried out with front-line nursing staff and nurse managers in EDs across British Columbia to explore their perception of barriers to and incentives for PSE reporting. Interviews were recorded, transcribed, checked for accuracy and entered into NVivo 8 software. Data were analyzed thematically as they were acquired, and emerging themes were explored in subsequent interviews. One hundred six interviews were conducted with staff from 94 of the 98 EDs in British Columbia. Six main barriers to PSE reporting were identified: (1) time constraints, (2) a sense of futility, (3) fear of reprisal, (4) a lack of education on PSE reporting, (5) reports being viewed as indicators of incompetence and (6) an inaccessibility of reporting forms. Incentives for reporting included valuing PSE reporting, the availability of alternative reporting pathways and feedback and visible changes resulting from PSE reports. We identified barriers that restrain nurses from reporting PSEs and incentives that facilitate reporting. Our findings should be considered when developing systems to report and learn from PSEs.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».