Incidence and type of voluntary reported perianesthetic medication errors in community veterinary clinics in Calgary, Canada
Notice bibliographique
Résumé
OBJECTIVE: To collect medication error (ME) data during the perianesthetic period from small animal clinics. SAMPLE: 6 small animal general practice veterinary clinics. METHODS: Small animal general practice veterinary clinics were recruited in this prospective observational study, with staff given a presentation on medical errors and instructed on how to submit medication error reports to an online reporting system. Errors were classified according to type and timing. RESULTS: A total of 2,728 general anesthesia or sedation procedures were performed, with 49 ME reports submitted. One duplicated report of the same error was excluded, resulting in a ME rate of 1.8%. Most reports (69% [33/48]) were near misses. The remaining 31% were MEs that reached the patient but did not cause harm. Wrong dose errors were the most common type (63% [30/48]), of which 80% (24/30) were calculation errors. Premedication/sedation and maintenance were the most reported stages, at 47% (20/43) and 23% (10/43), respectively. None of the MEs reported resulted in an adverse event, with an approximately 2:1 ratio of near-miss to no-harm MEs. The observed patterns of MEs reported, including type and timing, represent a target for further education. CLINICAL RELEVANCE: These results quantify the ME rate in general practice veterinary clinics, providing an initial benchmark for MEs during the perianesthetic period.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».