Trends in adverse events over time: why are we not improving?
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
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.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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