MétaCan
Menu
Retour à la cohorte
Enregistrement W3007822083 · doi:10.1177/0846537119899215

Avoiding and Managing Error in Interventional Radiology Practice: Tips and Tools

2020· review· en· W3007822083 sur OpenAlexaff
Sebastian Mafeld, Emily Musing, Aaron Conway, Sean A. Kennedy, George Oreopoulos, Dheeraj K. Rajan

Notice bibliographique

RevueCanadian Association of Radiologists Journal · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensToronto General HospitalUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionPatient safetyInterventional radiologyError detection and correctionReliability (semiconductor)Risk analysis (engineering)Medical physicsRadiologyComputer scienceNursingAlgorithmHealth care

Résumé

récupéré en direct d'OpenAlex

While there are limited data on error in interventional radiology (IR), the literature so far indicates that many errors in IR are potentially preventable. Yet, understanding the sources for error and implementing effective countermeasures can be challenging. Traditional methods for reducing error such as increased vigilance and new policies may be effective but can also contribute to an "error cycle." A hierarchy of effectiveness for patient safety interventions is outlined, and the characteristics of "high-reliability" organizations in other "high-risk" industries are examined for clues that could be implemented in IR. The evidence behind team error reduction strategies such as checklists is considered along with individual approaches such as "slowing down when you should." However, error in medicine is inevitable, and this article also seeks to outline an evidence-based approach to managing the psychological impact of being involved in medical error as a physician.

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)0,005
score de la tête « metaresearch » (Gemma)0,018
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,153
Tête enseignante GPT0,461
Écart entre enseignants0,308 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Association of Radiologists JournalMême sujetPatient Safety and Medication ErrorsTravaux en français237 207