MétaCan
Menu
Retour à la cohorte
Enregistrement W3171053927 · doi:10.1097/ncq.0000000000000572

Incident Management in Health Care

2021· article· en· W3171053927 sur OpenAlexaffabout
Sherry Espin, Maryanne D’Arpino, Alyssa Indar, Marketa Gross

Notice bibliographique

RevueJournal of Nursing Care Quality · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensHumber Polytechnic
Organismes subventionnairesnon disponible
Mots-clésMEDLINEHealth careMedical emergencyMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nearly 10% of patients experience a harmful patient safety incident in the hospital setting. Current evidence focuses on incident reporting, whereas little is known about how incidents are managed within organizations. PURPOSE: The aim of this study was to explore processes, tools, and resources for incident management in Canadian health care organizations. METHODS: Qualitative focus groups were conducted with key stakeholders, representing clinicians, managers, executives, governors, patients, and families (n = 45). RESULTS: Qualitative data were thematically analyzed and presented as 3 themes: (1) variations in incident reporting and management; (2) simplification of the incident management process; and (3) need for leadership to support just culture and redefine harm. CONCLUSION: The study findings support and inform efforts to create a patient safety culture in Canadian and international health care organizations. There is a need to develop a standardized, accessible incident reporting and management system for use across health care sectors to promote continuous learning and improvement about patient safety.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,274
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,175
Tête enseignante GPT0,576
Écart entre enseignants0,401 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Care QualityMême sujetPatient Safety and Medication ErrorsTravaux en français237 207