A multicenter observational study investigating care errors, staffing levels, and workload in small animal intensive care units
Notice bibliographique
Résumé
Abstract Objective To investigate associations among care errors, staffing, and workload in small animal ICUs. Design Multicenter observational cohort study conducted between January 2017 and September 2018. Setting Three small animal teaching hospital ICUs. Animals None. Interventions None. Measurements and main results Data on patient numbers, illness severity (assesed via the acute patient physiologic and laboratory evaluation [APPLE] score), care burden, staffing levels, technician experience/education level, and care errors were collected at each study site. Care errors were categorized as major (unanticipated arrest or death; patient endangerment through IV line, arterial catheter, chest tube or other invasive device mismanagement, or errors in drug calculation/administration) or minor. Median patient:technician ratio was 4.3 (range: 1–18). Median patient illness severity was 15.1 (4.7–27.1) APPLE score units. A total of 221 major and 3,317 minor errors were observed over the study period. The odds of a major error increased by an average of 11% (odds ratio [OR] = 1.11; 95% confidence interval [CI], 1.02–1.20; P = 0.012) for each 1 patient increase in the patient:technician ratio after averaging by ICU location. The major error incident rate ratio was 2.53 (95% CI, 1.84–3.54; P < 0.001) for patient:technician ratios of >4.0 compared with ≤4.0. The odds of a major error increased by 0.5% per total unit APPLE score increase (OR = 1.005; 95% CI, 1.002–1.007; P < 0.001). The major error incident rate ratio was 1.71 (95% CI, 1.30–2.25; P < 0.001) for APPLEfast:technician ratios of >73 compared with ≤73. The odds of a major error decreased by 2% (OR = 0.98; 95% CI, 0.97–0.99; P = 0.01) for each year increase in total technician years of ICU work experience. Conclusions Substantial reductions in major care errors may be achieved by maintaining ICU patient:technician ratios at ≤4. Technician experience and total unit burden of patient illness severity are also associated with error incidence, and should be taken into consideration when scheduling staff.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».