Interventions to Promote Safety Culture in Cancer Care: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: There is limited guidance on how to effectively promote safety culture in health care settings. We performed a systematic review to identify interventions to promote safety culture, specifically in oncology settings. METHODS: Medical Subject Headings and text words for "safety culture" and "cancer care" were combined to conduct structured searches of MEDLINE, EMBASE, CDSR, CINAHL, Cochrane CENTRAL, PsycINFO, Scopus, and Web of Science for peer-reviewed articles published from 1999 to 2021. To be included, articles had to evaluate a safety culture intervention in an oncology setting using a randomized or nonrandomized, pre-post (controlled or uncontrolled), interrupted time series, or repeated-measures study design. The review followed PRISMA guidelines; quality of included citations was assessed using the ROBINS-I risk of bias tool. RESULTS: Eighteen articles meeting the inclusion criteria were retained, reporting on interventions in radiation (14 of 18), medical (3 of 18), or general oncology (1 of 18) settings. Articles most commonly addressed incident learning systems (7 of 18), lean initiatives (4 of 18), or quality improvement programs (3 of 18). Although 72% of studies reported improvement in safety culture, there was substantial heterogeneity in the evaluation approach; rates of reporting of adverse events (9 of 18) or Agency for Healthcare Research and Quality Safety Culture survey results (9 of 18) were the most commonly used metrics. Most of the studies had moderate (28%) or severe (67%) risk of bias. CONCLUSIONS: Despite a growing evidence base describing interventions to promote safety culture in cancer care, definitive recommendations were difficult to make because of heterogeneity in study designs and outcomes. Implementation of incident learning systems seems to hold most promise.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».