Reporting of medical errors: An intensive care unit experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To determine the occurrence and type of medical errors in an intensive care setting using a voluntary reporting method. DESIGN: Prospective, single-center, observational study. SETTING: The medical intensive care unit (19 beds) at an urban teaching hospital. PATIENTS: Adult patients requiring at least 48 hrs of intensive care. INTERVENTIONS: Prospective reporting of medical errors. MEASUREMENTS AND MAIN RESULTS: During a 6-month period, 232 medical events were reported involving 147 patients. A total of 2598 patient days were surveyed yielding 89.3 medical events reported per 1000 intensive care unit days. The source of the reports included nurses, who reported most of the medical events (59.1%), followed by physicians-in-training (27.2%) and intensive care unit attending physicians (2.6%). One hundred thirty (56.2%) medical events occurred within the intensive care unit and were judged to involve patient careproviders who were working directly in the intensive care unit area. One hundred and two (43.8%) medical events were commissions or omissions that occurred outside of the intensive care unit during patient transports or in the emergency department and hospital floors. Twenty-three (9.9%) medical events leading to a medical error resulted in the need for additional life-sustaining treatment, and seven (3.0%) medical errors may have contributed to patient deaths. CONCLUSION: Medical errors appear to be common among patients requiring intensive care. Medical events resulting in an error can result in the need for additional life-sustaining treatments and, in some circumstances, can contribute to patient death. Patient healthcare providers appear to be in a unique position to identify medical errors. Institutions should develop formalized methods for the reporting and analysis of medical errors to improve patient care.
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.
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 | 0,079 |
| 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 | 0,001 |
| 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) | 0,001 | 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 découle