An evidence-based tool (PE for PS) for healthcare managers to assess patient engagement for patient safety in healthcare organizations
Notice bibliographique
Résumé
In 1999, the Institute of Medicine had already warned that medical errors caused between 44,000 and 98,000 avoidable deaths per year in the United States. A similar situation was subsequently in 2000, documented in Canadian hospitals. According to a Canadian Patient Safety Institute report (2016), incidents in both acute and home care settings resulted in additional costs of $2.75 billion each year. Research suggests that Patient Engagement (PE) for Patient Safety (PS) can help address this issue. However, the use of PE in various strategies to promote PS has yet to be fully integrated across healthcare systems in OECD countries. The aim of this study was to develop a tool for managers to assess PE strategies implemented at a health system level to enhance PS. Developing the tool involved 3 phases: (1) creating a framework; (2) building a first version of the tool; (3) validating the tool by an expert committee of PS and PE managers. The final tool consists of 81 questions, divided into four sections: (1) describing the healthcare organization (n=14); (2) gathering general information on PE strategies (n=15); (3) assessing different PE strategies for PS (n=49); and (4) describing the respondent’s involvement in PS committees (n=3). The tool is currently being used (by healthcare professionals working in Risk Management (RM) or PS, or, by task groups that include patients) in a research study in Canada and France, to assist healthcare managers in monitoring the evolution of PE for PS at a system level. Experience Framework This article is associated with the Policy & Measurement lens of The Beryl Institute Experience Framework. (https://www.theberylinstitute.org/ExperienceFramework). Access other PXJ articles related to this lens. Access other resources related to this lens.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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) | 0,000 | 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 ».