MétaCan
Menu
Retour à la cohorte
Enregistrement W4407728133 · doi:10.1136/bmjoq-2024-002988

Broadening the definition of patient-safety events: lessons from a multicentre learning health system collaborative

2025· article· en· W4407728133 sur OpenAlexaboutno aff
Jeanne M. Huddleston, Daniel Whitford, Alexandra K Yaszemski, Matthew P Schrieber, Edward Pollak

Notice bibliographique

RevueBMJ Open Quality · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLogistic regressionMedicaidMedicineDocumentationPatient safetyHealth careCohortRetrospective cohort studyHarmEmergency medicineFamily medicineMedical emergencyPsychologySurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Improving safety in healthcare has been paramount for decades, yet despite major attention and investment, improvement has remained incremental. Patient safety is a major concern in US healthcare, leading to significant harm and economic losses annually. Accurately identifying safety events remains difficult due to methodological discrepancies and lack of standardisation. This study evaluated the feasibility of implementing a standardised case-review methodology and safety-event taxonomy across diverse hospital settings to assess opportunities for improvement (OFIs) and compare findings with traditional definitions. METHODS: This multicentre retrospective cohort study reports data from 103 hospitals across the USA and Canada between 2016 and 2023. A multivariable logistic regression was performed to test case reviews for differences in the presence of one or more OFIs across several hospital types (bed size, academic status, urban setting, trauma level and Centres for Medicare and Medicaid Services overall star rating) and patient characteristics (age, gender, length of stay, admission and discharge code status and mortality). RESULTS: 19 181 cases were reviewed across the Learning Health System Collaborative, with a median of 107 reviews per hospital. Mortality was the most common cohort selection, studied by 91 hospitals (88%). At least one OFI was identified in 12 714 cases (66.3%). The logistic regression analysis found that all hospital characteristics and patient age, length of stay, code status and discharge disposition were significantly associated with at least one OFI. Of the 46 444 OFIs identified, 41 439 (89%) were from categories focused on omissions of care. The categories of end-of-life, documentation and treatment/care alone accounted for 25 980 OFIs (56%). CONCLUSION: The highest volumes of safety-related OFIs were associated with omissions of care, as opposed to the traditional definition of patient safety, which primarily includes outcomes from acts of commission.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,442
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
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 Opus0,185
Tête enseignante GPT0,543
Écart entre enseignants0,358 · 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'étudeQualitatif
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open QualityMême sujetPatient Safety and Medication ErrorsTravaux en français237 207