Novel Approach to Patient Safety Education in Nephrology: Integrating the Ottawa Morbidity and Mortality Model with the Health Care Matrix
Notice bibliographique
Résumé
Background: The 2016 ACGME National CLER Report highlighted widespread deficiencies in patient safety education across residency and fellowship programs, urging “intensive improvement” through interprofessional, team-based strategies to achieve sustainable change. In response, we implemented a novel educational model in our nephrology fellowship to address these gaps by integrating the Ottawa M&M model with the Health Care Matrix. Methods: Over the past six years, we have conducted structured morbidity and mortality (M&M) conferences using a combined format: patient safety cases selected using Ottawa M&M criteria—including death, disability, harm, near misses, preventable events, and systems issues—are analyzed through the Health Care Matrix, which maps each case onto the six ACGME core competencies (CC): Patient Care (PC), Medical Knowledge (MK), Interpersonal and Communication Skills (ICS), Professionalism (PRO), Systems-Based Practice (SBP), and Practice-Based Learning and Improvement (PBLI). Each conference includes three or more interprofessional teams led by nephrology faculty. Cases are discussed through the lens of core competencies, emphasizing communication breakdowns and system failures. Figure 1 shows the proportion of cases with repeat deficiencies by core competency. Results: Discordance between teams often revealed deficiencies in ICS, PRO, and SBP. These domains were commonly implicated in recurring safety lapses. At each conference’s conclusion, teams reached consensus on targeted, competency-based recommendations to improve safety practices. Conclusion: This integrated educational model fosters a comprehensive, competency-driven understanding of patient safety. Beyond enhancing MK, it highlights the vital roles of PRO, ICS, and SBP in advancing a culture of safety. Our experience suggests that combining the Ottawa M&M framework with the Health Care Matrix offers a reproducible and impactful method for embedding patient safety into nephrology fellowship training.
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 | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».