MétaCan
Menu
Retour à la cohorte
Enregistrement W2129114807 · doi:10.12927/hcpap..16957

Making Patients Safer! Reducing Error in Canadian Healthcare

2001· review· en· W2129114807 sur OpenAlexaffvenueabout
G. Ross Baker, Peter Norton

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2001
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHealth careSAFERPublic healthEquity (law)Population healthHealth equityPublic policyHealth policyMedicinePolitical scienceSociologyNursingComputer science

Résumé

récupéré en direct d'OpenAlex

Media reports of adverse events experienced by patients raise questions about whether these are isolated exceptions or part of a larger problem. There is no reliable Canadian data on medical error; but there is little reason to expect that the situation differs markedly from Australia or the United States which have rigorously studied the problem. Research in Australia has concluded that as many as 16% of hospital patients are injured as a result of their treatment. The Australian study and more recent research in the United States have created widespread concern that an epidemic of error exists in healthcare. Fortunately, experts in healthcare and other industries, have pointed toward a number of solutions that will reduce these errors. Three key strategies need to be pursued First, better information about the numbers and types of errors that occur is needed to help pinpoint change efforts. Non-punitive reporting policies must be put in place, to assist in altering the traditional culture of blame that has discouraged error reporting. Second, a set of strategies have to focus on developing more effective systems, including physician-order entry and medication administration systems which have been shown to have a dramatic impact in reducing errors. These systems are expensive, but their importance in reducing injury - and greatly reducing the costs of additional care that come from such injuries - make them an essential part of the answer. Finally, healthcare organizations need to work to create more effective cultures oriented toward preventing errors and intercepting errors that inevitably occur. These cultures will require a new emphasis on teamwork, a continual focus on redesigning care systems, particularly in high risk areas such as operating rooms, intensive care units and emergency rooms. These are not easy tasks and will require investments in new equipment and new skills. These steps are essential if we are to maintain public confidence in healthcare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,653
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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.

Tête enseignante Opus0,233
Tête enseignante GPT0,386
Écart entre enseignants0,153 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2001
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be HealthyMême sujetHealthcare Policy and ManagementTravaux en français237 207