Examining the Relationship of an All-Cause Harm Patient Safety Measure and Critical Performance Measures at the Frontline of Care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: In 2015, the Institute of Medicine Vital Signs report called for a new patient safety composite measure to lessen the reporting burden of patient harm. Before this report, two patient safety organizations had developed an electronic all-cause harm measurement system leveraging data from the electronic health record, which identified and grouped harms into five broad categories and consolidated them into one all-cause harm outcome measure. OBJECTIVES: The objective of this study was to examine the relationship between this all-cause harm patient safety measure and the following three performance measures important to overall hospital safety performance: safety culture, employee engagement, and patient experience. METHODS: We studied the relationship between all-cause harm and three performance measures on eight inpatient care units at one hospital for 7 months. RESULTS: The findings demonstrated strong correlations between an all-cause harm measure and patient safety culture, employee engagement, and patient experience at the hospital unit level. Four safety culture domains showed significant negative correlations with all-cause harm at a P value of 0.05 or less. Six employee engagement domains were significantly negatively correlated with all-cause harm at a P value of 0.01 or less, and six of the ten patient experience measures were significantly correlated with all-cause harm at a P value of 0.05 or less. CONCLUSIONS: The results show that there is a strong relationship between all-cause harm and these performance measures indicating that when there is a positive patient safety culture, a more engaged employee, and a more satisfying patient experience, there may be less all-cause harm.
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.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 découle