MétaCan
Menu
Retour à la cohorte
Enregistrement W2167039238 · doi:10.1136/bmjqs-2011-000299

Identifying, understanding and overcoming barriers to medication error reporting in hospitals: a focus group study

2012· article· en· W2167039238 sur OpenAlexafffundabout
Nicole R. Hartnell, Neil J. MacKinnon, Ingrid Sketris, Mark T. Fleming

Notice bibliographique

RevueBMJ Quality & Safety · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensSaint Mary's UniversityDalhousie University
Organismes subventionnairesCollege of Pharmacy, Dalhousie UniversityCanadian Institutes of Health ResearchDalhousie University
Mots-clésShuttle Radar Topography MissionMultilinear mapMedicineNuclear medicineArtificial intelligenceComputer scienceMathematicsPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The under-reporting of medication errors can compromise patient safety. A qualitative study was conducted to enhance the understanding of barriers to medication error reporting in healthcare organisations. METHODS: Focus groups (with physicians, pharmacists and nurses) and in-depth interviews (with risk managers) were used to identify medication error reporting beliefs and practices at four community hospitals in Nova Scotia, Canada. Audio tapes were transcribed verbatim and analysed for thematic content using the template style of analysis. The development and analysis of this study were guided by Safety Culture Theory. RESULTS: Incentives for medication error reporting were thematised into three categories: patient protection, provider protection and professional compliance. Barriers to medication error reporting were thematised into five categories: reporter burden, professional identity, information gap, organisational factors and fear. Facilitators to encourage medication error reporting were classified into three categories: reducing reporter burden, closing the communication gap and educating for success. Participants indicated they would report medication errors more frequently if reporting were made easier, if they were adequately educated about reporting, and if they received timely feedback. CONCLUSIONS: Study results may lead to a better understanding of the barriers to medication error reporting, why these barriers exist and what can be done to successfully overcome them. These results could be used by hospitals to encourage reporting of medication errors and ultimately make organisational changes leading to a reduction in the incidence of medication errors and an improvement in patient 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,003
Communication savante0,0020,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,288
Tête enseignante GPT0,534
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations184
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Quality & SafetyMême sujetPatient Safety and Medication ErrorsTravaux en français237 207