Using simulation to augment root cause analysis for patient safety incidents at a tertiary care women's and children's hospital: A qualitative feasibility study
Notice bibliographique
Résumé
Background Rates of preventable harm in healthcare remain high despite comprehensive strategies to reduce and address patient safety issues. Newer methods such as simulation could add enhanced contextual understanding and may be a valuable tool to further understand and recommend changes based on patient safety incidents. However, the feasibility of simulation implementation needs to be considered to ensure its success. The Theoretical Domains Framework (TDF) provides a structure to identify factors of behavior that could influence the adoption of simulation as a safety tool in a healthcare environment. Objective To examine staff and clinician perspectives on the feasibility of a simulation-based patient safety initiative at a tertiary care women's and children's hospital. Methods Sixteen individual, semi-structured interviews were conducted with health center staff and physicians about the potential of simulation as a patient safety tool. Qualitative data was analyzed using a deductive content analysis, using the 14 TDF categories as a framework. Results Barriers and enablers to a simulation-based patient safety initiative were identified. Main barriers included social influences (cultural belief that simulation for patient safety is punitive), emotions (fear of judgment), and environmental context (staffing and time constraints). Main enablers included social influences (culture that values patient safety), goals/intentions (wanting to deliver safest care to patients), and beliefs about consequences (simulation as a valuable learning experience leading to improved care). Conclusions Though several barriers were identified, participants had recommendations for how to mitigate them and overall indicated support for using simulation as a patient safety tool.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».