MétaCan
Menu
Retour à la cohorte
Enregistrement W3205839729 · doi:10.1071/ah21090

Incidence of adverse incidents in residential aged care

2021· article· en· W3205839729 sur OpenAlexaff
Bella St Clair, Mikaela Jorgensen, Andrew Georgiou

Notice bibliographique

RevueAustralian Health Review · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensBell (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineAdverse effectIncidence (geometry)Incident reportThematic analysisNear missEnvironmental healthEmergency medicineMedical emergencyDemographyQualitative researchForensic engineeringInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective Adverse incident research within residential aged care facilities (RACFs) is increasing and there is growing awareness of safety and quality issues. However, large-scale evidence identifying specific areas of need and at-risk residents is lacking. This study used routinely collected incident management system data to quantify the types and rates of adverse incidents experienced by residents of RACFs. Methods A concurrent mixed-methods design was used to examine 3 years of incident management report data from 72 RACFs in New South Wales and the Australian Capital Territory. Qualitative thematic analysis of free-text incident descriptions was undertaken to group adverse incidents into categories. The rates and types of adverse incidents based on these categories were calculated and then compared using incidence rate ratios (IRRs). Results Deidentified records of 11 987 permanent residents (aged ≥65 years; mean (±s.d.) age 84 ± 8 years) from the facilities were included. Of the 60 268 adverse incidents, falls were the most common event (36%), followed by behaviour-related events (33%), other impacts and injuries (22%) and medication errors (9%). The number of adverse incidents per resident ranged from 0 (42%) to 171, with a median of 2. Women (IRR 0.804; P P Conclusion This study demonstrates that data already collected within electronic management systems can provide crucial baseline information about the risk levels that adverse incidents pose to older Australians living in RACFs. What is known about the topic? To date, research into aged care adverse incidents has typically focused on single incident types in small studies involving mitigation strategies. Little has been published quantifying the multiple adverse incidents experienced by residents of aged care facilities or reporting organisation-wide rates of adverse incidents. What does this paper add? This paper adds to the growing breadth of Australian aged care research by providing baseline information on the rates and types of adverse incidents in RACFs across a large and representative provider. What are the implications for practitioners? This research demonstrates that the wealth of data captured by aged care facilities' incident management information systems can be used to provide insight into areas of commonly occurring adverse incidents. Better use of this information could greatly enhance strategic planning of quality improvement activities and the care provided to residents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,093
Tête enseignante GPT0,479
Écart entre enseignants0,387 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Health ReviewMême sujetGeriatric Care and Nursing HomesTravaux en français237 207