Barriers and enablers in implementing an electronic incident reporting system in a teaching hospital: A case study from Saudi Arabia
Notice bibliographique
Résumé
BACKGROUND: Widespread recognition of the impact of healthcare adverse events has triggered incident reporting system implementation to promote patient safety. The aim was to assess the effectiveness, usability, enablers, and barriers of the Electronic Occurrence Variance Reporting System (eOVR) in addition to end user satisfaction. METHODS: This study comprised a cross-sectional survey two years after implementation of the eOVR. Secondary data analysis evaluated the volume of incident reporting before and after implementing the eOVR. OUTCOME MEASURES: Primary outcome measures: satisfaction and system usability, system security, workplace safety culture, training, and reporting trends. An overall satisfaction was collected. SECONDARY OUTCOME: rate of reported OVRs per 1000 admissions. Furthermore, barriers and enablers to the reporting process were explored. RESULTS: Study findings indicate that the eOVR has been successful in terms of high satisfaction according to respondents. Most of the respondents found the system easy to access, maintained patient confidentiality and reporting anonymity. Around half the respondents indicated having a non-punitive culture of reporting in their hospital. Physicians had significantly lower scores in all primary outcomes Incident reporting increased by 33.6% (p < 0.0001) after implementing the eOVR. CONCLUSION: Successful incident reporting systems should be easy and simple to use, accessible and include features that guarantee anonymity and confidentiality. End-users should be trained prior to launching such a system. The implementation of such systems needs to be combined with promoting a just culture in the organization, timely feedback, more involvement and focus on physicians and junior staff which will improve user satisfaction and reporting rates.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».