Notice bibliographique
Résumé
Resume Objectif : Rapporter l’experience du Centre hospitalier universitaire de Sherbrooke visant a eliminer les abreviations dangereuses. Description de la problematique : Agrement Canada exige de ne plus utiliser d’abreviations ambigues et dangereuses dans les documents relatifs aux medicaments, ce qui implique l’etroite collaboration entre les prescripteurs et les personnes autorisees a prendre des ordonnances telephoniques. Les approches possibles vont de la formation a la fonction forcee en passant par le renforcement. Il n’existe pas de consensus sur l’efficacite comparative des approches de formation versus de renforcement. Description de l’approche : La campagne du centre hospitalier universitaire de Sherbrooke repose principalement sur la mise au courant des risques lies a l’utilisation des abreviations dangereuses. Elle privilegie les interactions directes avec les prescripteurs et se concentre sur de courtes presentations au sein des services et departements medicaux. Elle comporte egalement la publication de billets dans le journal intrahospitalier sur les differentes abreviations dangereuses, des journees de retroactions offertes aux prescripteurs utilisant des abreviations dangereuses et prevoit des mesures de renforcement selon les resultats atteints. Conclusion : La proportion d’abreviations dangereuses est passee de 20 % a 11 % sur une periode d’un peu plus de deux ans a la suite de notre campagne d’information. La proportion des ordonnances conformes, dont la designation de dose s’exprime en unites, est passee du tiers aux deux tiers durant la campagne. Des mesures de renforcement plus specifiques seront entreprises a l’intention des prescripteurs ou groupes de prescripteurs generant la plus grande proportion d’abreviations. Abstract Objective: To report the experience of implementing a quality assurance program for eliminating the use of dangerous abbreviations in an academic medical center. Problem description: Accreditation Canada identifies the needs for hospitals to eliminate dangerous abbreviations, symbols and dose designations. Different approaches include training and forcing functions while using reinforcement. There is no consensus on the effectiveness of using education versus reinforcement. Description of the approach: The campaign at the academic medical center focuses on raising awareness of the risks involved using dangerous abbreviations. Different methods were used such as direct interactions with prescribers along with short presentations to medical staff, dissemination of materials in the hospital newspaper on dangerous abbreviations and organization of feedback sessions to prescribers using dangerous abbreviations. Conclusion: The proportion of dangerous abbreviations decreased from 20% to 11% over a period of two years. The proportion of prescriptions that complied with standards, where dose designation was expressed in units, increased from one-third to two-thirds during the campaign. Key words: Dangerous abbreviation, campaign, hospital, medication
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,002 |
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 ».