Identifying and managing latent safety threats though a zone-wide emergency department in-situ multidiscipline simulation program: A quality improvement project
Notice bibliographique
Résumé
ABSTRACT Background Latent safety threats (LSTs) have been defined as system based issues that threaten patient safety that can materialize at any time and were previously unrecognized by healthcare providers, unit directors, or hospital administration. While LSTs such as system deficiencies, equipment failures, training, or conditions predisposing medical errors are frequently reported in the literature, a paucity was noted in the management and mitigation of these threats. The purpose of the translational simulation quality improvement project study was to utilize translational simulations to identify, manage, and mitigate future latent safety threats in our EDs. METHODS In 2017, 18 in-situ inter-professional simulation sessions were conducted at 11 EDs. Following each session, a survey assessment tool, created by the research team, was completed by participants to identify latent safety threats. Findings were shared with site clinical nurse educators and managers to help facilitate institutional follow up. For reporting, latent safety threats were categorized thematically and coded as either (i) resolved, (ii) ongoing, or (iii) not managed. Follow-up with sites was completed 1 year following the simulation. RESULTS A total n=158 LSTs were identified. The number and percentage by theme was: staff 48 (30.4%), equipment 41 (25.9%), medications 33 (20.9%), resuscitation resources 24 (15.2%), and information technology (IT) issues 12 (7.6%).Site follow-up identified that 149 LSTs were resolved and ten required ongoing work to manage. No occurrences of a LST ‘not managed’ were identified. CONCLUSIONS Translation simulation effectively identified latent safety threats and assisted interdisciplinary teams in the creation of a structured plan and systematic follow-up to enhance the health system and patient care. Through use of a threat mitigation strategy all identified threats were addressed while some require ongoing management.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».