MétaCan
Menu
Retour à la cohorte
Enregistrement W3088261721 · doi:10.1136/bmjstel-2020-000621

Multiprofessional perspectives on the identification of latent safety threats via in situ simulation: a prospective cohort pilot study

2020· article· en· W3088261721 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMJ Simulation & Technology Enhanced Learning · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensQueen's University
Organismes subventionnairesFaculty of Health Sciences, Queen's University
Mots-clésIdentification (biology)CohortProspective cohort studyMedicinePsychologyComputer scienceInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Objectives: To describe the association between participant profession and the number and type of latent safety threats (LSTs) identified during in situ simulation (ISS). Secondary objectives were to describe the association between both (a) participants' years of experience and LST identification and (b) type of scenario and number of identified LSTs. Methods: Emergency staff physicians (MDs), registered nurses (RNs) and respiratory therapists (RTs) participated in ISS sessions in the emergency department (ED) of a tertiary care teaching hospital. Adult and paediatric scenarios were designed to be high-acuity, low-occurrence resuscitation cases. Simulations were 10 min in duration. A written survey was administered to participants immediately postsimulation, collecting demographic data and perceived LSTs. Survey data was collated and LSTs were grouped using a previously described framework. Results: Thirteen simulation sessions were completed from July to November 2018, with 59 participants (12 MDs, 41 RNs, 6 RTs). Twenty-four unique LSTs were identified from survey data. RNs identified a median of 2 (IQR 1, 2.5) LSTs, significantly more than RTs (0.5 (IQR 0, 1.25), p=0.04). Within respective professions, MDs and RTs most commonly identified equipment issues, and RNs most commonly identified medication issues. Participants with ≤10 years of experience identified a median of 2 (IQR 1, 3) LSTs versus 1 (IQR 1, 2) LST in those with >10 years of experience (p=0.06). Adult and paediatric patient scenarios were associated with the identification of a median of 4 (IQR 3.0, 4.0) and 5 LSTs (IQR 3.5, 6.5), respectively (p=0.15). Conclusions: Inclusion of a multidisciplinary team is important during ISS in order to gain a breadth of perspectives for the identification of LSTs. In our study, participants with ≤10 years of experience and simulations with paediatric scenarios were associated with a higher number of identified LSTs; however, the difference was not statistically significant.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,398
Score d'incertitude au seuil0,708

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,086
Tête enseignante GPT0,434
Écart entre enseignants0,348 · 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