An Effective Tool to Enhance a Culture of Patient Safety and Assess the Risks of Medication Use Systems
Notice bibliographique
Résumé
INTRODUCTION Adverse events involving medication use represent a significant patient safety issue in Canada. This was most recently identified through the findings of the Canadian Adverse Events Study, released in May 2004 (Baker et al.) One strategy for addressing this issue is to utilize a systems approach to patient safety rather than focusing on individual performance. Practitioners, however, need tools to assist them in identifying system weaknesses as well as guidance and direction for improvement. This paper describes the Canadian experience with such a tool; namely, the acute care hospital Medication Safety Self-AssessmentTM (MSSA), which was designed to assist hospitals to identify areas of risk in their medication use systems. The MSSA, originally developed by the Institute for Safe Medication Practices (ISMP) in the United States, was adapted for use in Canada in 2002 by ISMP Canada (with support from the Ontario Ministry of Health and Long-Term Care). The MSSA is a comprehensive survey tool for use by a multidisciplinary hospital team. The tool consists of 195 evaluative characteristics that serve to assess the safety of medication practices within the hospital and identify opportunities for improvement. Most of the characteristics represent system improvements ISMP and ISMP Canada have recommended in response to analysis of medication errors or problems identified during on-site consultations. SURVEY FORMAT AND METHODOLOGY The MSSA is divided into 10 key elements of safe medication use and then subdivided into 20 core characteristics (see Appendix 1). Each core characteristic section is made up of representative individual characteristics. Hospitals are asked to rate their compliance with each individual characteristic using the following scale:
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».