Patient Safety Incidents in Primary Care Dentistry in England and Wales: A Mixed-Methods Study
Notice bibliographique
Résumé
BACKGROUND: In recent decades, there has been considerable international attention aimed at improving the safety of hospital care, and more recently, this attention has broadened to include primary medical care. In contrast, the safety profile of primary care dentistry remains poorly characterized. OBJECTIVES: We aimed to describe the types of primary care dental patient safety incidents reported within a national incident reporting database and understand their contributory factors and consequences. METHODS: We undertook a cross-sectional mixed-methods study, which involved analysis of a weighted randomized sample of the most severe incident reports from primary care dentistry submitted to England and Wales' National Reporting and Learning System. Drawing on a conceptual literature-derived model of patient safety threats that we previously developed, we developed coding frameworks to describe and conduct thematic analysis of free text incident reports and determine the relationship between incident types, contributory factors, and outcomes. RESULTS: Of 2000 reports sampled, 1456 were eligible for analysis. Sixty types of incidents were identified and organized across preoperative (40.3%, n = 587), intraoperative (56.1%, n = 817), and postoperative (3.6%, n = 52) stages. The main sources of unsafe care were delays in treatment (344/1456, 23.6%), procedural errors (excluding wrong-tooth extraction) (227/1456; 15.6%), medication-related adverse incidents (161/1456, 11.1%), equipment failure (90/1456, 6.2%) and x-ray related errors (87/1456, 6.0%). Of all incidents that resulted in a harmful outcome (n = 77, 5.3%), more than half were due to wrong tooth extractions (37/77, 48.1%) mainly resulting from distraction of the dentist. As a result of this type of incident, 34 of the 37 patients (91.9%) examined required further unnecessary procedures. CONCLUSIONS: Flaws in administrative processes need improvement because they are the main cause for patients experiencing delays in receiving treatment. Checklists and standardization of clinical procedures have the potential to reduce procedural errors and avoid overuse of services. Wrong-tooth extractions should be addressed through focused research initiatives and encouraging policy development to mandate learning from serious dental errors like never events.
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 | 0,018 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».