Association Between Workarounds and Medication Administration Errors in Bar Code-Assisted Medication Administration: Protocol of a Multicenter Study
Notice bibliographique
Résumé
BACKGROUND: Information technology-based methods such as bar code-assisted medication administration (BCMA) systems have the potential to reduce medication administration errors (MAEs) in hospitalized patients. In practice, however, systems are often not used as intended, leading to workarounds. Workarounds may result in MAEs that may harm patients. OBJECTIVE: The primary aim is to study the association of workarounds with MAEs in the BCMA process. Second, we will determine the frequency and type of workarounds and MAEs and explore the potential risk factors (determinants) for workarounds. METHODS: This is a multicenter prospective study on internal medicine and surgical wards of 4 Dutch hospitals using BCMA systems to administer medication. We will include a total of 6000 individual drug administrations using direct observation to collect data. RESULTS: The project was funded in 2014 and enrollment was completed at the end of 2016. Data analysis is under way and the first results are expected to be submitted for publication at the end of 2017. CONCLUSIONS: If an association between workarounds and MAEs is established, this information can be used to reduce the frequency of MAEs. Information on determinants of workarounds can aid in a focused approach to reduce workarounds and thus increase patient safety. TRIAL REGISTRATION: Netherlands Trial Register NTR4355; http://www.trialregister.nl/trialreg/admin/rctview.asp?TC=4355 (Archived by WebCite at http://www.webcitation.org/6pqTLxc6i).
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 | 0,063 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,007 |
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 ».