Clinical observations and a Healthcare Failure Mode and Effect Analysis to identify vulnerabilities in the security and accounting of medications in Ontario hospitals: a study protocol
Notice bibliographique
Résumé
INTRODUCTION: An increasing number of opioids and other controlled substances are being stolen from healthcare facilities, diverting medications from their intended medical use to be used or sold illicitly. Many incidents of medication loss from Canadian hospitals are reported as unexplained losses. Together, this suggests not only that vulnerabilities for diversion exist within current medication-use processes (MUPs), but that hospitals lack robust mechanisms to accurately track and account for discrepancies and loss in inventory. There is a paucity of primary research investigating vulnerabilities in the security and accounting of medications across hospital processes. The purpose of this study is to map hospital MUPs, systematically identify risks for diversion or unintentional loss and proactively assess opportunities for improvements to medication accounting and security. METHODS AND ANALYSIS: We will conduct human factors-informed clinical observations and a Healthcare Failure Mode and Effect Analysis (HFMEA). We will observe hospital personnel in the intensive care unit, emergency department and inpatient pharmacy in two hospitals in Ontario, Canada. Observations will capture how participants complete tasks, as well as gather contextual information about the environment, technologies and processes. A multidisciplinary team will complete an HFMEA to map process flow diagrams for the MUPs in the observed clinical units, identify and prioritise potential methods of medication loss (failure modes) and describe mechanisms or actions to prevent, detect and trace medication loss. ETHICS AND DISSEMINATION: We received province-wide research ethics approval via Clinical Trials Ontario Streamlined Research Review System, and site-specific approvals from each participating hospital. The results from this study will be presented at conferences and meetings, as well as published in peer-reviewed journals. The findings will be shared with hospitals; professional, regulatory and accreditation organisations; patient safety and healthcare quality organisations and equipment and drug manufacturers.
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 | 0,052 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».