MétaCan
Menu
Retour à la cohorte
Enregistrement W4284688207 · doi:10.4212/cjhp.3121

Application of Failure Mode, Effects, and Criticality Analysis to the Medication-Use Process for Temperature-Sensitive Drugs in a University Hospital

2022· article· en· W4284688207 sur OpenAlexvenueno aff
Hana Sakly, Inès Chakroun, K. Ben Jeddou

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFailure mode and effects analysisFailure mode, effects, and criticality analysisCriticalityMedicineComputer scienceReliability engineeringEngineeringPhysicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

Background: In the hospital setting, the medication-use system for temperature-sensitive drugs is a high-risk process. Objectives: To analyze the risks associated with the hospital-based medication-use process and to propose corrective and preventive actions for the most critical failure modes. Methods: A multidisciplinary team was trained to analyze the medication-use process for temperature-sensitive drugs and to identify potential failures using a risk analysis method known as failure mode, effects, and criticality analysis (FMECA). The medication-use process, from initial supply to administration to patients, was investigated using “the 5 Ws and How” method (Who? What? Where? When? Why? How?), and the causes of the failure modes were analyzed using Ishikawa diagrams. The most critical failure modes were selected using the Pareto law, and relevant improvement actions were proposed. Results: This analysis identified 41 failure modes for the 9 stages of the medication-use process, of which only 36 were deemed assessable by the participants. Eighteen (50%) of these failure modes were critical, according to the Pareto law, with criticality indices between 12 and 60. The stage of tidying up and storage in patient care units had the highest number of critical failures (n = 5). A total of 48 corrective actions were proposed. Conclusion: The proposed action plan prioritized 3 areas for improvement: the documentation system, staff training, and equipment acquisition. A second FMECA should be carried out to reassess the medication-use process after implementation of these improvement actions. The second FMECA, allowing detection of residual risks and identification of new risks, will be part of a continuous improvement process. RÉSUMÉ Contexte : Le circuit des médicaments thermosensibles en milieu hospitalier fait partie des processus à risque. Objectifs : Analyser a priori les risques liés à ce circuit et proposer des actions correctives et préventives contre les modes de défaillances les plus critiques. Méthodes : Une équipe pluridisciplinaire a été formée pour analyser le circuit des médicaments thermosensibles et identifier les défaillances par la méthode de l’analyse des modes de défaillances, de leurs effets et de leurs criticités (AMDEC). Le processus, qui va de l’approvisionnement jusqu’à l’administration des médicaments aux patients, a été décortiqué en utilisant la méthode « Qui? Quoi? Où? Quand? Comment? Pourquoi? » (QQOQCP) et les causes des défaillances ont été analysées à l’aide de diagrammes d’Ishikawa. Les défaillances les plus critiques ont été sélectionnées par la loi de Pareto, et des mesures d’amélioration pertinentes ont été proposées. Résultats : Cette analyse a mis en évidence 41 modes de défaillances pour les 9 étapes du circuit, dont uniquement 36 sont jugés évaluables par les membres de l’équipe pluridisciplinaire. Dix-huit modes sur 36 (soit 50 %) sont critiques selon la loi de Pareto, avec des indices de criticité répartis entre 12 et 60. L’étape comprenant le nombre le plus élevé de défaillances critiques est celle du rangement et du stockage dans les services de soins, avec 5 défaillances. Au total, 48 mesures correctives ont été proposées. Conclusions : Le plan d’action proposé priorisait 3 domaines d’amélioration : le système de documentation, la formation du personnel et l’acquisition d’équipements. Une deuxième AMDEC devrait être réalisée pour réévaluer le circuit après la mise en œuvre des mesures d’amélioration. La deuxième AMDEC permettra la détection des risques résiduels et l’identification de nouveaux risques et s’inscrira dans une démarche d’amélioration continue.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0090,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,354
Écart entre enseignants0,337 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital PharmacyMême sujetPatient Safety and Medication ErrorsTravaux en français237 207