Application of a trigger tool in near real time to inform quality improvement activities: a prospective study in a general medicine ward
Notice bibliographique
Résumé
BACKGROUND: Retrospective record review using trigger tools remains the most widely used method for measuring adverse events (AEs) to identify targets for improvement and measure temporal trends. However, medical records often contain limited information about factors contributing to AEs. We implemented an augmented trigger tool that supplemented record review with debriefing front-line staff to obtain details not included in the medical record. We hypothesised that this would foster the identification of factors contributing to AEs that could inform improvement initiatives. METHOD: A trained observer prospectively identified events in consecutive patients admitted to a general medical ward in a tertiary care academic medical centre (November 2010 to February 2011 inclusive), gathering information from record review and debriefing front-line staff in near real time. An interprofessional team reviewed events to identify preventable and potential AEs and characterised contributing factors using a previously published taxonomy. RESULTS: Among 141 patients, 14 (10%; 95% CI 5% to 15%) experienced at least one preventable AE; 32 patients (23%; 95% CI 16% to 30%) experienced at least one potential AE. The most common contributing factors included policy and procedural problems (eg, routine protocol violations, conflicting policies; 37%), communication and teamwork problems (34%), and medication process problems (23%). However, these broad categories each included distinct subcategories that seemed to require different interventions. For instance, the 32 identified communication and teamwork problems comprised 7 distinct subcategories (eg, ineffective intraprofessional handovers, poor interprofessional communication, lacking a shared patient care, paging problems). Thus, even the major categories of contributing factors consisted of subcategories that individually related to a much smaller subset of AEs. CONCLUSIONS: Prospective application of an augmented trigger tool identified a wide range of factors contributing to AEs. However, the majority of contributing factors accounted for a small number of AEs, and more general categories were too heterogeneous to inform specific interventions. Successfully using trigger tools to stimulate quality improvement activities may require development of a framework that better classifies events that share contributing factors amenable to the same intervention.
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 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 | 0,014 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».