Assessing adverse events among home care clients in three Canadian provinces using chart review
Notice bibliographique
Résumé
OBJECTIVES: The objectives of this study were to document the incidence rate and types of adverse events (AEs) among home care (HC) clients in Canada; identify factors contributing to these AEs; and determine to what extent evidence of completion of incident reports were documented in charts where AEs were found. METHODS: This was a retrospective cohort study based on expert chart review of a random sample of 1200 charts of clients discharged in fiscal year 2009-2010 from publicly funded HC programmes in Manitoba, Quebec and Nova Scotia, Canada. RESULTS: The results show that 4.2% (95% CI 3.0% to 5.4%) of HC patients discharged in a 12-month period experienced an AE. Adjusting to account for clients with lengths of stay in HC of less than 1 year, the AE incidence rate per client-year was 10.1% (95% CI 8.4% to 11.8%); 56% of AEs were judged preventable. The most frequent AEs were injuries from falls, wound infections, psychosocial, behavioural or mental health problems and adverse outcomes from medication errors. More comorbid conditions (OR 1.15; 95% CI 1.05 to 1.26) and a lower instrumental activities of daily living score (OR 1.54; 95% CI 1.16 to 2.04) were associated with a higher risk of experiencing an AE. Clients' decisions or actions contributed to 48.4% of AEs, informal caregivers 20.4% of AEs, and healthcare personnel 46.2% of AEs. Only 17.3% of charts with an AE contained documentation that indicated an incident report was completed, while 4.8% of charts without an AE had such documentation. CONCLUSIONS: Client safety is an important issue in HC, as it is in institutionalised care. HC includes the planned delivery of self-care by clients and care provision by family, friends and other individuals often described as 'informal' caregivers. As clients and these caregivers can contribute to the occurrence of AEs, their involvement in the delivery of healthcare interventions at home must be considered when planning strategies to improve HC 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».