Safety incidents in family medicine
Notice bibliographique
Résumé
OBJECTIVE: To discuss the characteristics of incidents reported to the Medical Safety in Community Practice (MSCP) safety learning system. METHODS: Members of family physician offices in the Alberta Health Services--Calgary zone, confidentially reported patient safety incidents via web or fax from September 2007 to August 2010. The incident reporting form contained both open-ended and closed questions. Incidents were reviewed for their characteristics. RESULTS: A total of 19 family practices participated in MSCP. A total of 264 useable reports were collected. Reporting was higher when practices first joined and then decreased. There was an average of 1.4 reports per month. Physicians submitted the majority of reports. Physicians and nurses were more likely to report an incident than office staff. The vast majority of reported incidents were judged to have 'virtually certain evidence of preventability' (93%). Harm was associated with 50% of incidents. Only 1% of the incidents had a severe impact. The top four types of incidents reported were documentation (41.4%), medication (29.7%), clinical administration (18.7%) and clinical process (17.5%). CONCLUSION: MSCP has developed and implemented the first safety learning system in Canada for family practice. All clinic members were encouraged to submit reports, but most of the incidents were reported by physicians. The vast majority of incidents reported were preventable with limited severity. The most frequently reported types of incidents fell into the categories of documentation and medication. The low reporting rates suggest that for family practices incident reporting may not be the most effective method to determine the types and frequency of incidents in family medicine.
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».