The Reduction in Medical Errors on Implementing an Intensive Care Information System in a Setting Where a Hospital Electronic Medical Record System is Already in Use: Retrospective Analysis
Notice bibliographique
Résumé
BACKGROUND: Although the various advantages of clinical information systems in intensive care units (ICUs), such as intensive care information systems (ICISs), have been reported, their role in preventing medical errors remains unclear. OBJECTIVE: This study aimed to investigate the changes in the incidence and type of errors in the ICU before and after ICIS implementation in a setting where a hospital electronic medical record system is already in use. METHODS: An ICIS was introduced to the general ICU of a university hospital. After a step-by-step implementation lasting 3 months, the ICIS was used for all patients starting from April 2019. We performed a retrospective analysis of the errors in the ICU during the 6-month period before and after ICIS implementation by using data from an incident reporting system, and the number, incidence rate, type, and patient outcome level of errors were determined. RESULTS: From April 2018 to September 2018, 755 patients were admitted to the ICU, and 719 patients were admitted from April 2019 to September 2019. The number of errors was 153 in the 2018 study period and 71 in the 2019 study period. The error incidence rates in 2018 and 2019 were 54.1 (95% CI 45.9-63.4) and 27.3 (95% CI 21.3-34.4) events per 1000 patient-days, respectively (P<.001). During both periods, there were no significant changes in the composition of the types of errors (P=.16), and the most common type of error was medication error. CONCLUSIONS: ICIS implementation was temporally associated with a 50% reduction in the number and incidence rate of errors in the ICU. Although the most common type of error was medication error in both study periods, ICIS implementation significantly reduced the number and incidence rate of medication errors. TRIAL REGISTRATION: University Hospital Medical Information Network Clinical Trials Registry UMIN000041471; https://center6.umin.ac.jp/cgi-open-bin/ctr_e/ctr_view.cgi?recptno=R000047345.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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 ».