MétaCan
Menu
Retour à la cohorte
Enregistrement W4414428593 · doi:10.1097/cce.0000000000001321

Methods of Adverse Event Detection in Intensive Care: A Systematic Review

2025· review· en· W4414428593 sur OpenAlexaff
Oleksa Rewa, Janice Y. Kung, Sandy Widder, Jocelyn Slemko

Notice bibliographique

RevueCritical Care Explorations · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAdverse effectEvent (particle physics)MEDLINEClinical PracticePatient safety

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The objective of this systematic review was to characterize adverse event detection methods in the ICU setting, including neonatal, pediatric, and adult ICUs, to summarize the evidence of their performance characteristics. DATA SOURCES: Ovid MEDLINE, Ovid Embase, CINAHL, the Cochrane Library, and Google Scholar. STUDY SELECTION: Title and abstract screening, as well as full text review, were performed by two reviewers independently using Covidence software. Articles were included if they consisted of original research in a peer-reviewed journal with implementation of an adverse event detection method and reported the total number or category of adverse events, level of harm, or implementation of quality improvement (QI). DATA EXTRACTION: Data were extracted by two reviewers with 20% in duplicate. Extracted data included the study type and period/date, the adverse event detection method, the setting (location and type of ICU), ICU bed base, and the data of interest outlined above in study selection. DATA SYNTHESIS: Fifty-nine studies in neonatal, pediatric, and adult ICUs were included. Every category of adverse event detection was represented, including incident reporting (IR) (38 studies), trigger tool use (14 studies), trained observation (TO; 11 studies), and structured review (10 studies). TO identified the most adverse events per 100 patient days (57.3), and IR the least (6.4). Only 12 studies (20%) described QI initiatives. CONCLUSIONS: Detection methods likely need to be used in combination for comprehensive results. Definitions of adverse events and associated harms need to be standardized to facilitate future comparison and better understanding of the performance of individual methods of detection. In addition, more emphasis needs to be placed on the dissemination of practice change in response to detection. These will be important steps to better characterize high rates of adverse events in the ICU, thereby fueling patient safety initiatives.

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)0,050
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,050
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,214
Tête enseignante GPT0,587
Écart entre enseignants0,373 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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 revueCritical Care ExplorationsMême sujetPatient Safety and Medication ErrorsTravaux en français237 207