A conceptual framework for identifying and managing system vulnerabilities for diversion of controlled substances in healthcare
Notice bibliographique
Résumé
PURPOSE: Diversion or theft of controlled substances is a recognized problem affecting healthcare systems globally. The purpose of this study was to develop a framework for identifying and characterizing system factors leading to vulnerabilities for diversion within hospitals. METHODS: We applied a qualitative framework method, which involved 1) compiling a list of critical diversion vulnerabilities through observations and proactive risk analyses in the inpatient pharmacy, emergency department and intensive care unit of two Canadian hospitals; 2) coding the vulnerabilities into deductively and inductively derived themes and subthemes; and 3) building a conceptual framework. RESULTS: Our framework for diversion demonstrates how mitigating downstream diversion outcomes (e.g., harms to patients, healthcare workers, and institutions) requires the redesign of upstream system factors associated with pilfering and forgery processes. We identified 20 subthemes associated with the following five overarching themes of system factors contributing to diversion risk: task (e.g., variation in how work was done or lack of verification), person (e.g., use of insider knowledge or collaboration among staff), tools/technologies (e.g., limitations of electronic systems to identify discrepancies), organization (e.g., cultural/behavioural norms or hospital policies for controlled substance management), and internal environment (e.g., layout of the space). CONCLUSION: The Diversion Framework is a conceptual model developed for use by practitioners, researchers, and policy makers to identify system factors and analyze medication-use processes that may be vulnerable to diversion. This in turn can inform safeguards to prevent harm to patients, healthcare workers and the institution.
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 | 0,032 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,033 |
| Communication savante | 0,012 | 0,018 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».