MétaCan
Menu
Retour à la cohorte
Enregistrement W4390690716 · doi:10.1097/ncq.0000000000000757

Reconceptualizing Patient Safety Beyond Harm

2024· article· en· W4390690716 sur OpenAlexaff
Lianne Jeffs, Kerry Kuluski, Virginia Flintoft, Anne MacLaurin, Maaike Asselbergs, Rui Lin Zeng, Frances Bruno, Noah Schonewille, G. Baker

Notice bibliographique

RevueJournal of Nursing Care Quality · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesnon disponible
Mots-clésFeelingHarmPatient safetyHealth careThematic analysisFocus groupNursingMedicinePsychologyQualitative researchSocial psychologyBusinessSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although patients' and care partners' perspectives on patient safety can guide health care learning and improvements, this information remains underutilized. Efforts to leverage this valuable data require challenging the narrow focus of safety as the absence of harm. PURPOSE: The purpose of this study was to gain a broader insight into how patients and care partners perceive and experience safety. METHODS: We used a mixed-methods approach that included a literature review and interviews and focus groups with patients, care partners, and health care providers. An emergent coding schema was developed from triangulation of the 2 data sets. RESULTS: Two core themes-feeling unsafe and feeling safe-emerged that collectively represent a broader view of safety. CONCLUSION: Knowledge from patients and care partners about feeling unsafe and safe needs to inform efforts to mitigate harm and promote safety, well-being, and positive outcomes and experiences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,595
Score d'incertitude au seuil0,436

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,174
Tête enseignante GPT0,538
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Care QualityMême sujetPatient Safety and Medication ErrorsTravaux en français237 207