What influences safety in paramedicine? Understanding the impact of stress and fatigue on safety outcomes
Notice bibliographique
Résumé
Objective The purpose of this study was to build on extant research linking fatigue to safety outcomes in paramedicine by assessing the influence of a multiplicity of workplace stressors, including chronic and critical incident stresses on safety outcomes. Methods A cross-sectional survey was deployed to 10 paramedic services in Ontario. Validated survey instruments measured operational and organizational chronic stress, critical incident stress, post-traumatic stress symptomatology (PTSS), fatigue, safety outcomes, and demographics. Analysis of covariance assessed associations of workplace stresses with safety outcomes and corroborated findings using hierarchical linear model and generalized estimating equations (GEE) by taking into account paramedic service when assessing the proposed associations. A non-responder survey was conducted to asses for demographic differences in those who did and did not complete the survey. Results This survey had a response rate of 40.5% (n = 717/1767); 80% of paramedics reported an injury or exposure to pathogen, 95% reported safety compromising behaviors, and 76% reported medical errors. In the GEE analyses, paramedic injury was significantly related to fatigue (0.13, SE = 0.06, P = 0.020), critical incident stress (0.03, SE = 0.01, P < 0.01), and PTSS (0.03, SE = 0.01, P < 0.01). Safety compromising behaviors were significantly associated with fatigue (0.37, SE = 0.06, P < 0.01), organizational stress (0.06, SE = 0.01, P < 0.01), and critical incident stress (0.01. SE = 0.01, P = 0.017). Medication errors were significantly related to fatigue (0.12, SE = 0.05, P < 0.01). Finally, the bivariate analysis showed increased stress factors and fatigue was associated with increased safety outcomes. Conclusion These findings illustrate that a host of different stressors may influence safety-related behaviors. For those interested in safety, these findings point to the need for a holistic focus on fatigue and stress in paramedicine.
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 | 0,001 | 0,006 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».