Challenges and opportunities to prevent transfusion errors: a Qualitative Evaluation for Safer Transfusion (QUEST)
Notice bibliographique
Résumé
BACKGROUND: One of the most frequent causes of transfusion-associated morbidity or mortality is the transfusion of the wrong blood to the wrong patient. This problem persists in spite of the incorporation of numerous procedures into the pretransfusion checking process in an effort to improve patient safety. A qualitative study was undertaken to understand this process from the perspective of those who administer blood products and to identify concerns and suggestions to improve safety. STUDY DESIGN AND METHODS: Twelve focus group discussions and seven individual interviews were conducted at six hospitals in five countries (n = 72 individuals). Health care professionals from a variety of clinical areas participated. Data analysis identified common themes using the constant comparison method. RESULTS: Five major themes emerged from the analysis: the pretransfusion checking process, training, policy, error, and monitoring. Findings include the following: staff were aware and appreciative of the seriousness of errors and were receptive to continuous monitoring, the focus was on checking the bag label with the paperwork rather than the bag label with the patient at the bedside, training methods varied with most perceived to have minimal effectiveness, and access to policies was challenging and keeping up to date was difficult. Other factors that could contribute to errors included high volume of workload distractions and interruptions and familiarity or lack of familiarity with patients. CONCLUSIONS: Multiple factors can contribute to errors during the pretransfusion checking limiting the effectiveness of any individual intervention designed to improve safety. Areas of further research to improve safety of blood administration were identified.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».