Amplifiers and Dampeners of Patient Safety Risk in the Operating Room: Interim Analysis of Surgical Video Recorded with the Operating Room Black Box
Notice bibliographique
Résumé
Preventable intraoperative adverse events (iAEs) may emerge from interactions between multiple work system factors (WSFs) (e.g., technology design, organizational policy, physical environment); these interactions may amplify or dampen patient safety risk. We conducted an exploratory observational study using audiovisual data captured by the Operating Room Black Box to characterize the relationships between associated WSFs. Human factors specialists reviewed video recordings of surgical procedures before transcribing events of interest and classifying them into the relevant WSF categories as defined by the Systems Engineering Initiative for Patient Safety model. Each WSF code was categorized as either a safety threat (ST) or resilience support (RS), and their interactions with associated WSFs were characterized. We transcribed 706 events over 73.5 hours of surgery, and 32 iAEs were identified. We coded 382 STs and 312 RSs, and 249 co-occurring WSF pairings. Co-occurring team (e.g., clear communication, feedback, and leadership) RSs were found to be the most prevalent mechanism to dampen all categories of ST. Co-occurring task (e.g., challenging anatomy) and environment (e.g., disruptive working environments, suboptimal ergonomic monitor setups) STs were the most common risk amplifiers contributing to the occurrence of iAEs. By assessing WSFs in the context of other WSFs, future research may develop interventions that more precisely target risk reduction in the operating room.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».