Perceptions of Nurses about Medication Errors: A Cross-Sectional Study
Notice bibliographique
Résumé
Purpose: The aim of this study is to assess nurses’ perception of medication errors nurses in Maternity and Child Hospital in Najran city, Saudi Arabia. Study Design: A cross-sectional study. Subjects and Methods: This descriptive study was carried out among 72 nurses in Maternity and child Hospital in Najran city, Saudi Arabia. Data were collected through a questionnaire, consisting of two parts: Part 1 covers demographical data, which includes age, gender, educational level, and years of experience and place of work in the hospital. Part 2 of the questionnaire consists of (23) questions about the nurses' perception of the causes, reporting medication error, and perceptions of barriers to reporting medication errors. Data were analyzed by using a statistical package for social science (SPSS) version 20. Results: The results of the study indicate that most of the participants had a good perception of the causes of medication errors. Nevertheless, the data analysis showed that many of the participants had reporting medication errors. More importantly, the participants indicated that there exist multiple barriers to reporting medication errors. Two-thirds of them had moderate barriers to concerns over the consequences of reporting. More than half of them had minor barriers to blaming nurses if patients are harmed, while, about one-quarter of them had major barriers to fear of punishment. There was no statistically significant relationship between the studied nurses’ perception of the causes of medication errors and their characteristics (P value > 0.05). Conclusions: It is concluded that nurses at Maternity and Child Hospital in Najran city, Saudi Arabia, Had a good perception of the causes of medication errors. In addition, there was no statistically significant relationship between the participants’ reporting medication errors and their characteristics except age and years of experience.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».