Notice bibliographique
Résumé
Patients, families, and care providers affected by patient safety incidents expect there will be learning and improvement so that others will not suffer. For that, countries need mature data systems and a culture of safety that includes improving by learning from reporting hazards, harm, and near misses, as well as learning from situations and organizations where safe care is delivered consistently over time, which is in most cases. While systems are in place to support incident reporting, sharing, and learning from a variety of sources, in Canada truly national incident reporting is limited to medications, adverse drug reactions, and device failures. However, there are other pan-Canadian and grassroots efforts to advance reporting and learning from patient safety incidents that are complementary. System and contextual factors influence the ability to improve safety, learn, and report. An important one is the COVID-19 pandemic, which resulted in limited or delayed patient safety reporting and some scaling back of improvement projects. The best systems incorporate reporting from multiple sources (patient feedback, coroner reports, etc.) and engage all people involved in care, especially patients and families, in their design, implementation, and continuous improvement. Patient groups, like Patients for Patient Safety Canada (PFPSC), provide the perspective of patients and families with lived experiences that can effectively improve safety. PFPSC contributes to the development of Canadian patient safety strategies, policies, and programs, and innovates and co-leads initiatives that matter to patients and the public. The World Health Organization’s Global Patient Safety Action Plan includes patient safety incident reporting and learning systems to “ensure a constant flow of information and knowledge to drive the mitigation of risk, a reduction in levels of avoidable harm, and improvements in the safety of care” objective.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,010 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».