MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210491336 · doi:10.2196/preprints.9282

Why Clinicians Don�t Report Adverse Drug Events: Qualitative Study (Preprint)

2017· preprint· en· W4210491336 sur OpenAlexaff
Corinne M. Hohl, Serena S Small, David Peddie, Katherin Badke, Chantelle Bailey, Ellen Balka

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensVancouver General HospitalVancouver Coastal Health Research InstituteUniversity of British ColumbiaSimon Fraser UniversityVancouver Coastal Health
Organismes subventionnairesnon disponible
Mots-clésDocumentationMedicineThematic analysisAdverse effectPatient safetyWorkflowMedical emergencyEmergency departmentQualitative researchHealth careFamily medicineEmergency medicineNursingPharmacology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Adverse drug events are unintended and harmful events related to medications. Adverse drug events are important for patient care, quality improvement, drug safety research, and postmarketing surveillance, but they are vastly underreported. OBJECTIVE Our objectives were to identify barriers to adverse drug event documentation and factors contributing to underreporting. METHODS This qualitative study was conducted in 1 ambulatory center, and the emergency departments and inpatient wards of 3 acute care hospitals in British Columbia between March 2014 and December 2016. We completed workplace observations and focus groups with general practitioners, hospitalists, emergency physicians, and hospital and community pharmacists. We analyzed field notes by coding and iteratively analyzing our data to identify emerging concepts, generate thematic and event summaries, and create workflow diagrams. Clinicians validated emerging concepts by applying them to cases from their clinical practice. RESULTS We completed 238 hours of observations during which clinicians investigated 65 suspect adverse drug events. The observed events were often complex and diagnosed over time, requiring the input of multiple providers. Providers documented adverse drug events in charts to support continuity of care but never reported them to external agencies. Providers faced time constraints, and reporting would have required duplication of documentation. CONCLUSIONS Existing reporting systems are not suited to capture the complex nature of adverse drug events or adapted to workflow and are simply not used by frontline clinicians. Systems that are integrated into electronic medical records, make use of existing data to avoid duplication of documentation, and generate alerts to improve safety may address the shortcomings of existing systems and generate robust adverse drug event data as a by-product of safer care.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Qualitatifmedium
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Qualitatifhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,038
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil0,204

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,085
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0140,013
Communication savante0,0070,009
Science ouverte0,0030,008
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,257
Tête enseignante GPT0,543
Écart entre enseignants0,286 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPharmaceutical Practices and Patient Outcomes→Travaux en français237 207→