A qualitative study of speaking out about patient safety concerns in intensive care units
Notice bibliographique
Résumé
Much policy focus has been afforded to the role of "whistleblowers" in raising concerns about quality and safety of patient care in healthcare settings. However, most opportunities for personnel to identify and act on these concerns are likely to occur much further upstream, in the day-to-day mundane interactions of everyday work. Using qualitative data from over 900 h of ethnographic observation and 98 interviews across 19 English intensive care units (ICUs), we studied how personnel gave voice to concerns about patient safety or poor practice. We observed much low-level social control occurring as part of day-to-day functioning on the wards, with challenges and sanctions routinely used in an effort to prevent or address mistakes and norm violations. Pre-emptions were used to intervene when patients were at immediate risk, and included strategies such as gentle reminders, use of humour, and sharp words. Corrective interventions included education and evidence-based arguments, while sanctions that were applied when it appeared that a breach of safety had occurred included "quiet words", bantering, public exposure or humiliation, scoldings and brutal reprimands. These forms of social control generally functioned effectively to maintain safe practice. But they were not consistently effective, and sometimes risked reinforcing norms and idiosyncratic behaviours that were not necessarily aligned with goals of patient safety and high-quality healthcare. Further, making challenges across professional boundaries or hierarchies was sometimes problematic. Our findings suggest that an emphasis on formal reporting or communication training as the solution to giving voice to safety concerns is simplistic; a more sophisticated understanding of social control is needed.
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 | 0,011 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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; 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 ».