Intravenous Medication Administration Errors in Hospitalised Patients: An Updated Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Administering intravenous (IV) drugs carries a high risk of adverse effects due to their direct entry into circulation. Identifying the prevalence and types of IV administration errors and the drugs involved is crucial for implementing effective interventions to reduce such errors. AIM: This systematic review aimed to examine and synthesise the available articles on medication errors involving IV administration in hospitalised patients. METHODS: A comprehensive search was conducted using electronic databases, including PubMed, Ovid Medline, and CINAHL. The search was performed without time limitation up to July 2023. However, only articles published in English and human subjects were included. The quality of the studies was appraised using the Newcastle-Ottawa quality assessment scale (NOS). This systematic review was registered with PROSPERO (CRD42023469352). RESULT: Database searches yielded 2177 articles; after duplicate removal, 1717 underwent title and abstract screening, and 23 were included after full-text review. The studies were from 12 countries, and the multicentre study included countries from Europe, Africa, the Americas, Asia, and Australia. The majority of the studies were conducted in either teaching hospitals (n = 11) or university-affiliated hospitals (n = 7), with most involving direct observation (n = 21). IV administration errors exhibit a broad prevalence range of 5.0%-62.9%, involving various types such as wrong diluent, dose, route, rate, technique, omission, and timing. Studies lack uniformity in reporting, with some not specifying prevalence. The highest prevalence of specific errors varies across settings. CONCLUSION: Our review highlights that IV medication error rates vary based on study design, setting, and population. Standardised definitions, reporting procedures, and reliable tracking methods are needed. Human factors, system issues, and environmental stressors influence medication errors. Future research must improve our understanding and address these factors to enhance patient safety and healthcare quality.
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 | 0,009 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,013 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».