MétaCan
Menu
Retour à la cohorte
Enregistrement W4413637412 · doi:10.1093/intqhc/mzaf083

Designing a chest tube checklist using a multidimensional human factor approach: a hierarchical task analysis, a failure mode and effect analysis, and a bow-tie analysis

2025· article· en· W4413637412 sur OpenAlexaff
Johanna Ludwig, Stephanie Schneider, Axel Ekkernkamp, Thomas Auhuber, Lauren Morgan

Notice bibliographique

RevueInternational Journal for Quality in Health Care · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical site infection prevention
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésChecklistFailure mode and effects analysisMedicineChest tubeTask (project management)Risk analysis (engineering)Operations managementSurgeryReliability engineeringEngineeringPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chest tubes are a standard procedure. Despite it being a regular intervention, complication rates can be up to 30%, impacting patient's health, morbidity, and mortality. Checklists have been shown to reduce complications for other medical procedures. Data on implementing a checklist are increasing, while data on the development are still low. A guide on analysing and designing a chest tube accordingly has not yet been published. Therefore, the aim of the study is to introduce a structured design of a chest tube checklist based on analyses using human factor analysis tools. METHODS: A multifactor analysis was performed focusing on chest tube insertion and possible complications using hierarchical task analysis, a failure mode and effective analysis (FMEA), and a bow-tie analysis. The data were collected through a workshop in addition to published literature on chest tube complications. RESULTS: The FMEA revealed events with a high level of risk priority numbers (RPNs). In total, 247 RPNs were calculated. Failure modes adding up to 147 RPNs were summarized as 'malposition of chest tube'. 'Lack of sterility' accounted for 100 RPNs. The FMEA revealed the importance of indication, preparation, and equipment in assessing risk and ultimate failure. 'Malpositioning of chest tube' was used for the bow-tie analysis. Contributing factors were extracted from the FMEA, preventative controls, recovery barriers and consequences analysed the lack of sterility was addressed by 'preventative controls', recovery barriers and consequences in preparation, equipment, and chest tube insertion. Based on these findings, a checklist was designed. CONCLUSIONS: Human factor analysis tools can be used to analyse procedure's complications and its causes. Future data will need to show the effectiveness of the checklist.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,026
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,046
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,005
Bibliométrie0,0070,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,039
Tête enseignante GPT0,442
Écart entre enseignants0,403 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Quality in Health CareMême sujetSurgical site infection preventionTravaux en français237 207