Identification by families of pediatric adverse events and near misses overlooked by health care providers
Notice bibliographique
Résumé
BACKGROUND: Identifying adverse events and near misses is essential to improving safety in the health care system. Patients are capable of reliably identifying and reporting adverse events. The effect of a patient safety reporting system used by families of pediatric inpatients on reporting of adverse events by health care providers has not previously been investigated. METHODS: Between Nov. 1, 2008, and Nov. 30, 2009, families of children discharged from a single ward of British Columbia's Children's Hospital were asked to respond to a questionnaire about adverse events and near misses during the hospital stay. Rates of reporting by health care providers for this period were compared with rates for the previous year. Family reports for specific incidents were matched with reports by health care providers to determine overlap. RESULTS: A total of 544 familes responded to the questionnaire. The estimated absolute increase in reports by health care providers per 100 admissions was 0.5% (95% confidence interval -1.8% to 2.7%). A total of 321 events were identified in 201 of the 544 family reports. Of these, 153 (48%) were determined to represent legitimate patient safety concerns. Only 8 (2.5%) of the adverse events reported by families were also reported by health care providers. INTERPRETATION: The introduction of a family-based system for reporting adverse events involving pediatric inpatients, administered at the time of discharge, did not change rates of reporting of adverse events and near misses by health care providers. Most reports submitted by families were not duplicated in the reporting system for health care providers, which suggests that families and staff members view safety-related events differently. However, almost half of the family reports represented legitimate patient safety concerns. Families appeared capable of providing valuable information for improving the safety of pediatric inpatients.
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 | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».