Prevalence and Nature of Medication Administration Errors in Health Care Settings: A Systematic Review of Direct Observational Evidence
Notice bibliographique
Résumé
OBJECTIVE: To systematically review empirical evidence on the prevalence and nature of medication administration errors (MAEs) in health care settings. DATA SOURCES: Ten electronic databases (MEDLINE, EMBASE, International Pharmaceutical Abstracts, Scopus, Applied Social Sciences Index and Abstracts, PsycINFO, Cochrane Reviews and Trials, British Nursing Index, Cumulative Index to Nursing and Allied Health Literature, and Health Management Information Consortium) were searched (1985-May 2012). STUDY SELECTION AND DATA EXTRACTION: English-language publications reporting MAE data using the direct observation method were included, providing an error rate could be determined. Reference lists of all included articles were screened for additional studies. DATA SYNTHESIS: In all, 91 unique studies were included. The median error rate (interquartile range) was 19.6% (8.6-28.3%) of total opportunities for error including wrong-time errors and 8.0% (5.1-10.9%) without timing errors, when each dose could be considered only correct or incorrect. The median rate of error when more than 1 error could be counted per dose was 25.6% (20.8-41.7%) and 20.7% (9.7-30.3%), excluding wrong-time errors. A higher median MAE rate was observed for the intravenous route (53.3% excluding timing errors (IQR 26.6-57.9%)) compared to when all administration routes were studied (20.1%; 9.0-24.6%), where each dose could accumulate more than one error. Studies consistently reported wrong time, omission, and wrong dosage among the 3 most common MAE subtypes. Common medication groups associated with MAEs were those affecting nutrition and blood, gastrointestinal system, cardiovascular system, central nervous system, and antiinfectives. Medication administration error rates varied greatly as a product of differing medication error definitions, data collection methods, and settings of included studies. Although MAEs remained a common occurrence in health care settings throughout the time covered by this review, potential targets for intervention to minimize MAEs were identified. CONCLUSIONS: Future research should attend to the wide methodological inconsistencies between studies to gain a greater measure of comparability to help guide any forthcoming interventions.
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 | 0,039 | 0,231 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,020 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».