Characterization of Safety Events Involving Technology in Primary and Community Care
Notice bibliographique
Résumé
Abstract Background The adoption of technology in health care settings is often touted as an opportunity to improve patient safety. While some adverse events can be reduced by health information technologies, technology has also been implicated in or attributed to safety events. To date, most studies on this topic have focused on acute care settings. Objectives To describe voluntarily reported safety events that involved health information technology in community and primary care settings in a large Canadian health care organization. Methods Two years of safety events involving health information technology (2016–2018) were extracted from an online voluntary safety event reporting system. Events from primary and community care settings were categorized according to clinical setting, type of event, and level of harm. The Sittig and Singh sociotechnical system model was then used to identify the most prominent sociotechnical dimensions of each event. Results Of 104 reported events, most (n = 85, 82%) indicated the event resulted in no harm. Public health had the highest number of reports (n = 45, 43%), whereas home health had the fewest (n = 7, 7%). Of the 182 sociotechnical concepts identified, many events (n = 61, 59%) mapped to more than one dimension. Personnel (n = 48, 46%), Workflow and Communication (n = 37, 36%), and Content (n = 30, 29%) were the most common. Personnel and Content together was the most common combination of dimensions. Conclusion Most reported events featured both technical and social dimensions, suggesting that the nature of these events is multifaceted. Leveraging existing safety event reporting systems to screen for safety events involving health information technology, and applying a sociotechnical analytic framework can aid health organizations in identifying, responding to, and learning from reported events.
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 | 0,005 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».