Patient safety culture through the perspectives of healthcare workers: a longitudinal study in a private healthcare network in Brazil
Notice bibliographique
Résumé
BACKGROUND: Enhancing security and dependability of health systems necessitates resource allocation, a well-defined infrastructure and a steadfast commitment to ensuring its safety and stability over time. OBJECTIVE: The aim of this study was to evaluate the temporal trend of patient safety culture according to the perception of professionals working in a private healthcare network in Brazil over a 7-year period (2015-2022). METHODS: The Hospital Survey on Patient Safety Culture questionnaire was distributed to 34 hospitals between 2015 and 2022 with 160 607 responders. A linear mixed-effects regression model was applied to fit the trend for the dimension score over time. RESULTS: Out of the 12 measured dimensions in the HSOPSC Survey, 8 showed significant improvement over a 7-year period (p<0.05). The dimensions of communication openness (p=0.22), non-punitive response to errors (p=0.08), staffing (p=0.06) and the frequency of reported events (p=0.22) have not demonstrated improvement over time. Management support for patient safety and organisational learning received positive responses from at least 75% of those surveyed in 2022, earning the distinction as 'strong areas of patient safety'. Comparing 2015 and 2022, the proportion of participants who rated their unit/work area on patient safety as 'fair' or 'good' decreased, while the proportion of participants who considered it 'very good' increased (p<0.001). CONCLUSIONS: Findings indicate an improvement in patient safety culture from 2015 to 2022. Key challenges identified in enhancing safety culture included communication openness, staffing, frequency of reported events, and nonpunitive response to errors.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».