Toward Zero Harm: Mackenzie Health’s Journey Toward Becoming a High Reliability Organization and Eliminating Avoidable Harm
Notice bibliographique
Résumé
OBJECTIVES: In response to an organizational survey revealing low safety culture scores, we implemented a "zero harm" approach to eliminate preventable harm across a wide variety of clinical areas. We aimed to achieve this objective within 3 years. METHODS: We developed a 5-part strategy for cultural and process redesign that included (1) engaging leadership; (2) developing an organization-specific patient safety framework; (3) monitoring specific quality aims based on high-risk, high-volume, high-cost, and problem-prone areas; (4) standardizing a 3-part review process that includes a root cause analysis for moderate and critical patient safety incidents; and (5) communicating progress to staff in real time via unit-specific electronic dashboards. RESULTS: In less than 1 year, we increased patient safety incident reporting by 37% while simultaneously decreasing falls with injury by 39%, pressure injury rates by 37%, and central line-associated blood stream infections by 34%. We also improved medication reconciliation rate by 3.3% and decreased our irretrievable specimen rate to 0. Finally, we noted increased awareness around patient safety within clinical teams, with open discussions about patient safety becoming a routine part of patient care. CONCLUSIONS: This study describes an initiative that sought to introduce system-wide changes to practice and patient safety culture in a rapid time frame. Results suggest that our 5-step approach to transformation may confer substantial gains in patient safety for peer institutions. Next steps include continuing to expand and monitor quality aims as we progress through our journey to eliminating preventable patient harm in our healthcare system.
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 | 0,004 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».