Procedimiento para el análisis y la prevención de errores de medicación usando el enfoque de la ergonomía
Notice bibliographique
Résumé
Los errores de medicación representan un problema de salud pública que afecta la seguridad del paciente y la calidad de los servicios de salud a escala global. En este artículo se presenta un procedimiento para el análisis y la prevención de los errores de medicación desde la perspectiva de la ergonomía, ejemplificándose su aplicación mediante un caso de estudio ilustrativo de administración de un medicamento inyectable. Como parte del procedimiento expuesto, se incluyeron los reconocidos métodos Hierarchical Task Analysis (hta) para el análisis de la tarea y Systematic Human Error Reduction and Prediction Approach (sherpa) para la identificación de los modos de error. Para la valoración de riegos se propone una matriz de riesgos cualitativa. El procedimiento propuesto quedó conformado por cuatro etapas: 1) selección de la tarea objeto de estudio, 2) análisis detallado de la tarea, 3) predicción de la posibilidad de error y 4) desarrollo de estrategias para la reducción del error. Se espera que la utilización sistemática de este procedimiento contribuya en la mejora de la calidad de los servicios de salud, disminuyendo los errores humanos y los posibles eventos adversos.
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 | 0,015 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».