Use of a surgical safety checklist after implementation in an academic veterinary hospital
Notice bibliographique
Résumé
OBJECTIVE: To determine the use and barriers to uptake of a surgical safety checklist (SSC) after implementation in a veterinary teaching hospital. STUDY DESIGN: Voluntary online survey and retrospective study. SAMPLE POPULATION: All personnel actively involved in the Ontario Veterinary College Health Sciences Centre small animal surgery service between October 2, 2018 and June 28, 2019. METHODS: Surgical case logs and electronically initiated SSC were reviewed to calculate checklist use. The sample population was surveyed to identify factors and barriers associated with use of the SSC. Participants were allowed 1 month to respond, and five reminder emails were sent. RESULTS: Forth-one of 50 (82%) participants completed the survey. The SSC was used in 374 of 784 (47.7%) surgeries. Use rates declined over sequential three-month intervals (P < .0001). Twenty-six of 41 (63%) respondents overestimated checklist use. Staff attitudes were largely supportive of the SSC, with 29 of 41 respondents suggesting mandatory application. Forgetfulness, hierarchal concerns, timing issues, perceived delays in care, lack of clarity regarding roles, and inadequate training were identified as obstacles to use of the SSC. CONCLUSION: The SCC tested in this study was used in approximately half of the surgical procedures performed after its implementation. Hospital personnel were supportive of the SSC; forgetting to use the SSC was the most common barrier identified by respondents (24/41 [59%]). CLINICAL SIGNIFICANCE: The SSC implementation experience and user feedback described here should be taken into consideration to improve design and implementation of future SSC.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».