Characteristics of Work Interruptions During Medication Administration
Notice bibliographique
Résumé
OBJECTIVE: To document characteristics of nurses' work interruptions (WIs) during medication administration. DESIGN: A descriptive observational study design was used along with a sample of 102 medication administration rounds. Data were collected on a single medical unit using a unit dose distribution system during fall 2007. METHOD: Data collection on WIs relied on direct structured observation. The following WI characteristics were recorded: source, secondary task, location, management strategies, and duration. RESULTS: 374 WIs were observed over 59 hours 2 minutes of medication administration time (6.3 WI/hr). During the preparation phase, nurse colleagues (n= 36; 29.3%) followed by system failures such as missing medication or equipment (n= 28; 22.8%) were the most frequent source of WIs. Nurses were interrupted during the preparation phase mostly to solve system failures (n= 33; 26.8%) or for care coordination (n= 30; 24.4%). During the administration phase, the most frequent sources of WIs were self-initiation (n= 41; 16.9%) and patients (n= 39; 16.0%). The most frequent secondary task undertaken during the administration phase was direct patient care (n= 105; 43.9%). WIs lasted 1 min 32 s on average, and were mostly handled immediately (n= 357; 98.3%). CONCLUSIONS: The process of medication administration is not protected against WIs, which poses significant risks. CLINICAL RELEVANCE: Interventions to reduce WIs during the medication administration process should target nurses and system failures to maximize medication administration safety.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».