Safety in home care: A research protocol for studying medication management
Notice bibliographique
Résumé
BACKGROUND: Patient safety is an ongoing global priority, with medication safety considered a prevalent, high-risk area of concern. Yet, we have little understanding of the supports and barriers to safe medication management in the Canadian home care environment. There is a clear need to engage the providers and recipients of care in studying and improving medication safety with collaborative approaches to exploring the nature and safety of medication management in home care. METHODS: A socio-ecological perspective on health and health systems drives our iterative qualitative study on medication safety with elderly home care clients, family members and other informal caregivers, and home care providers. As we purposively sample across four Canadian provinces: Alberta (AB), Ontario (ON), Quebec (QC) and Nova Scotia (NS), we will collect textual and visual data through home-based interviews, participant-led photo walkabouts of the home, and photo elicitation sessions at clients' kitchen tables. Using successive rounds of interpretive description and human factors engineering analyses, we will generate robust descriptions of managing medication at home within each provincial sample and across the four-province group. We will validate our initial interpretations through photo elicitation focus groups with home care providers in each province to develop a refined description of the phenomenon that can inform future decision-making, quality improvement efforts, and research. DISCUSSION: The application of interpretive and human factors lenses to the visual and textual data is expected to yield findings that advance our understanding of the issues, challenges, and risk-mitigating strategies related to medication safety in home care. The images are powerful knowledge translation tools for sharing what we learn with participants, decision makers, other healthcare audiences, and the public. In addition, participants engage in knowledge exchange throughout the study with the use of participatory data collection methods.
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 | 0,082 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,060 | 0,024 |
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 ».