MétaCan
Menu
Retour à la cohorte
Enregistrement W3006112295 · doi:10.1136/bmjqs-2019-009731

Identifying adverse events: reflections on an imperfect gold standard after 20 years of patient safety research

2020· editorial· en· W3006112295 sur OpenAlexaff
Kaveh G Shojania, Perla J. Marang‐van de Mheen

Notice bibliographique

RevueBMJ Quality & Safety · 2020
Typeeditorial
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésPatient safetyMedicineGold standard (test)AdjudicationHealth careLawPolitical science

Résumé

récupéré en direct d'OpenAlex

In ancient Roman religion, Janus was the god of gates and doorways, but also beginnings, endings, transitions, passages, time and duality. Usually depicted as having two faces, Janus looks at the past with one face and to the future with the other. Why mention Janus in an editorial about patient safety? Partly because the 20-year anniversary of To Err is Human 1 marks a transition—from the beginnings of patient safety as a fledgling field to a more mature research endeavour. Beyond this symbolism of a transition period, Janus’s past and future looking faces bear another connection to patient safety. The ‘gold standard’ research method in patient safety, record review to look for ‘adverse events’ (AEs), defined as harms from medical care, has taken two forms. The more common method, famously used in the Harvard Medical Practice Study (HMPS)2 and other studies which have emulated it,3–9 involves retrospective (‘backwards looking’) record review. An initial review looks for signs of possible harms from medical care, which, when present, trigger more detailed review to adjudicate the presence of AEs and judge the degree to which adhering to accepted standards of care could have prevented them. More recently, some investigators have conducted prospective (‘forward looking’) surveillance to identify AEs in near-real time.10–12 These forward-looking and backward-looking AE studies have succeeded in showing the scope of many safety problems. But, after 20 years of research, can we continue to use the same metric for both measuring safety and monitoring its improvement over time? Though widely attributed to the HMPS,2 retrospective record review to identify AEs originally came from a much less well-known study.13 Carried out by the California Medical Association and California Hospital Association, this study sought to explore alternate models for compensating patients harmed by their medical care. This …

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,212
Tête enseignante GPT0,574
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Quality & SafetyMême sujetPatient Safety and Medication ErrorsTravaux en français237 207