Trends in adverse events over time: why are we not improving?
Notice bibliographique
Résumé
With widespread interest and investments in patient safety in the 13 years following the US Institute of Medicine report To Err is Human,1 the question has under-standably arisen: have we decreased medical harm? One widely cited study showed no significant reductions in either the overall rate of harm or the rate of preventable harm in 10 US hospitals chosen on the basis of patient safety activities.2 A second US study,3 though not focused on temporal trends, reported that one third of patients suffered harm from their medical care at three tertiary care hospitals recognised for their efforts in improving patient safety. Given that previous major studies reported adverse event rates in the range of 3–16%,4–10 progress seems sorely lacking. Adding to this distressing picture, Baines et al11 report in this issue of the journal that the adverse event rate among hospitalised patients in the Netherlands increased from 4.1 % in 2004 to 6.2 % in 2008. Somewhat reassuringly, preventable adverse rate did not change. The increase in non-preventable adverse rates may reflect better documentation in medical records as a result of interest in patient safety, with the stable rate of preventable events suggesting that safety has not actu-ally worsened. Nonetheless, the main message of this study11 and the two pre-vious ones2 3 remains: sustained attention to patient safety has failed to produce widespread reductions in rates of harm medical 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.
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 | 0,020 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,011 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».