MétaCan
Menu
Retour à la cohorte
Enregistrement W4406307565 · doi:10.1108/jhom-08-2024-0334

Why is learning from patient safety incidents (still) so hard? A sociocultural perspective on learning from incidents in healthcare organizations

2025· article· en· W4406307565 sur OpenAlexaffabout
Paula Rowland, Melissa F. Lan, Cecilia Wan, Laura Danielle Pozzobon

Notice bibliographique

RevueJournal of Health Organization and Management · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensThe Wilson CentreUniversity of TorontoQueen's UniversityInstitute of Health Services and Policy ResearchUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésOriginalityOrganizational learningHealth carePatient safetySocial learningValue (mathematics)PsychologyKnowledge managementPublic relationsMedicineSocial psychologyComputer sciencePolitical scienceCreativity

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Despite robust quality improvement efforts in healthcare, learning from patient safety incidents remains difficult. Our study explores counter-vailing powers shaping learning processes and possibilities in healthcare organizations, with a focus on social, political and organizational dynamics of learning. DESIGN/METHODOLOGY/APPROACH: Deploying concepts of situated curriculum, boundary work and interconnected knowledge practices, we interviewed staff and physicians (n = 15) in a large Academic Health Science Centre in Canada about their experiences of incident investigations and resultant information sharing. Our analytical strategy was abductive, drawing connections to sociology of the professions and learning sciences literature. FINDINGS: Incident investigation and follow-up processes are relatively robust for learning about incidents in the organization. However, learning from incidents remains difficult, complicated by the professional politics of incident classification, counter-vailing policies related to privacy, the organization of improvement work towards reporting, and an organizational focus on incidents with severe outcomes. PRACTICAL IMPLICATIONS: Participants advocated for a broader view of incidents, moving beyond classification and investigation based on severity of outcome to also include incidents that are "learning rich". To that end, we argue for more research on the role of Patient Safety Specialists in organizational learning and more collaborations with learning sciences. ORIGINALITY/VALUE: This paper illuminates ways in which robust information dissemination structures are an important but insufficient condition for learning from incidents. The argument goes beyond a prescriptive approach to learning from incidents to instead explore the competing visions and values implicated with improvement practices.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,224
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,024
Tête enseignante GPT0,360
Écart entre enseignants0,336 · 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.

Devis d'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Health Organization and ManagementMême sujetPatient Safety and Medication ErrorsTravaux en français237 207