Assessment of Patient Safety in a Low-Resource Health Care System: Proposal for a Multimethod Study
Notice bibliographique
Résumé
BACKGROUND: The high prevalence of adverse events (AEs) globally in health care delivery has led to the establishment of many guidelines to enhance patient safety. However, patient safety is a relatively nascent concept in low- and middle-income countries (LMICs) where health systems are already overburdened and underresourced. This is why it is imperative to study the nuances of patient safety from a local perspective to advocate for the judicious use of scarce public health resources. OBJECTIVE: This study aims to assess the status of patient safety in a health care system within a low-resource setting, using a multipronged, multimethod approach of standardized methodologies adapted to the local setting. METHODS: We propose purposive sampling to include a representative mix of public and private, rural and urban, and tertiary and secondary care hospitals, preferably those ascribed to the same hospital quality standards. Six different approaches will be considered at these hospitals including (1) focus group discussions on the status quo of patient safety, (2) Hospital Survey on Patient Safety Culture, (3) Hospital Consumer Assessment of Healthcare Providers and Systems, (4) estimation of incidence of AEs identified by patients, (5) estimation of incidence of AEs via medical record review, and (6) assessment against the World Health Organization's Patient Safety Friendly Hospital Framework via thorough reviews of existing hospital protocols and in-person surveys of the facility. RESULTS: The abovementioned studies collectively are expected to yield significant quantifiable information on patient safety conditions in a wide range of hospitals operating within LMICs. CONCLUSIONS: A multidimensional approach is imperative to holistically assess the patient safety situation, especially in LMICs. Our low-budget, non-resource-intensive research proposal can serve as a benchmark to conduct similar studies in other health care settings within LMICs. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/50532.
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 | 0,393 | 0,314 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,012 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,007 | 0,020 |
| Intégrité de la recherche | 0,006 | 0,005 |
| 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 ».