Safety Incidents in the Primary Care Office Setting
Notice bibliographique
Résumé
BACKGROUND: In the United Kingdom, 26% of child deaths have identifiable failures in care. Although children account for 40% of family physicians' workload, little is known about the safety of care in the community setting. Using data from a national patient safety incident reporting system, this study aimed to characterize the pediatric safety incidents occurring in family practice. METHODS: We undertook a retrospective, cross-sectional, mixed methods study of pediatric reports submitted to the UK National Reporting and Learning System from family practice. Analysis involved detailed data coding using multiaxial frameworks, descriptive statistical analysis, and thematic analysis of a special-case sample of reports. Using frequency distributions and cross-tabulations, the relationships between incident types and contributory factors were explored. RESULTS: Of 1788 reports identified, 763 (42.7%) described harm to children. Three crosscutting priority areas were identified: medication management, assessment and referral, and treatment. The 4 incident types associated with the most harmful outcomes are errors associated with diagnosis and assessment, delivery of treatment and procedures, referrals, and medication provision. Poor referral and treatment decisions in severely unwell or vulnerable children, along with delayed diagnosis and insufficient assessment of such children, featured prominently in incidents resulting in severe harm or death. CONCLUSION: This is the first analysis of nationally collected, family practice-related pediatric safety incident reports. Recommendations to mitigate harm in these priority areas include mandatory pediatric training for all family physicians; use of electronic tools to support diagnosis, management, and referral decision-making; and use of technological adjuncts such as barcode scanning to reduce medication errors.
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 | 0,001 |
| 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 | 0,000 | 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 ».