MétaCan
Menu
Retour à la cohorte
Enregistrement W2131359448 · doi:10.12927/hcq.2009.20717

Establishing a Provincial Patient Safety and Learning System: Pilot Project Results and Lessons Learned

2009· article· en· W2131359448 sur OpenAlexfundaboutno aff
D. Douglas Cochrane, A. E. Taylor, Georgene Miller, Valoria Hait, Irene Matsui, Manish S. Bharadwaj, Patrick Devine

Notice bibliographique

RevueHealthcare Quarterly · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensnon disponible
Organismes subventionnairesHealth CanadaHealth Service ExecutiveCanadian Health Services Research Foundation
Mots-clésPatient safetyEvent (particle physics)Quality (philosophy)Quality managementSafety cultureBest practiceUnit (ring theory)MedicineMedical emergencyOperations managementNursingMedical educationHealth careManagement systemPsychologyEngineeringManagementPolitical science

Résumé

récupéré en direct d'OpenAlex

An effective safety event reporting system is an essential part of a comprehensive patient safety program. In British Columbia, we are implementing a provincial web-based event reporting tool and learning system called the BC Patient Safety and Learning System (PSLS). In this paper, we describe and report the results of our pilot study in a neonatal intensive care unit at BC Women's Hospital in Vancouver. Our approach aimed to foster a culture of safety by using the technology implementation to facilitate organizational learning about patient safety and to promote sustainable reporting behaviours. Results showed that PSLS was enthusiastically adopted by staff and enabled efficient reporting, promoted timely and complete follow-up activities and facilitated quality improvement. Our lessons learned laid the foundation for the provincial rollout of PSLS and may be of interest to those implementing similar systems elsewhere.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil0,961

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,021
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,091
Tête enseignante GPT0,406
Écart entre enseignants0,315 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations25
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetPatient Safety and Medication ErrorsTravaux en français237 207