Evolving Factors in Hospital Safety: A Systematic Review and Meta-Analysis of Hospital Adverse Events
Notice bibliographique
Résumé
Objective This study aimed to estimate the frequency of hospital adverse events (AEs) and explore the rate of AEs over time, and across and within hospital populations. Methods Validated search terms were run in MEDLINE and EMBASE; gray literature and references of included studies were also searched. Studies of any design or language providing an estimate of AEs within the hospital were eligible. Studies were excluded if they only provided an estimate for a specific AE, a subgroup of hospital patients or children. Data were abstracted in duplicate using a standardized data abstraction form. Study quality was assessed using the Newcastle-Ottawa Scale. A random-effects meta-analysis estimated the occurrence of hospital AEs, and meta-regression explored the association between hospital AEs, and patient and hospital characteristics. Results A total of 45,426 unique references were identified; 1,265 full-texts were reviewed and 94 studies representing 590 million admissions from 25 countries from 1961 to 2014 were included. The incidence of hospital AEs was 8.6 per 100 patient admissions (95% confidence interval [CI], 8.3 to 8.9; I 2 = 100%, P < 0.001). Half of the AEs were preventable (52.6%), and a third resulted in moderate/significant harm (39.7%). The most evaluated AEs were surgical AEs, drug-related AEs, and nosocomial infections. The occurrence of AEs increased by year (95% CI, −0.05 to −0.04; P < 0.001) and patient age (95% CI = −0.15 to −0.14; P < 0.001), and varied by country income level and study characteristics. Patient sex, hospital type, hospital service, and geographical location were not associated with AEs. Conclusions Hospital AEs are common, and reported rates are increasing in the literature. Given the increase in AEs over time, hospitals should reinvest in improving hospital safety with a focus on interventions targeted toward the more than half of AEs that are preventable.
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 | 0,023 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,042 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».