A Multi-Disciplinary Narrative Review: Medication Safety in the Surgical Patient from Prescription to Administration
Notice bibliographique
Résumé
Background: Medication errors in surgical patients represent a critical, multifaceted threat to patient safety, occurring at any point in a complex, multi-handler pathway. The unique perioperative environment, involving high-stakes pharmacology and numerous handoffs between diverse professionals, creates distinct vulnerabilities. Aim: This narrative review aims to synthesize contemporary evidence (2010-2024) on the epidemiology of medication errors in surgical care and to trace the medication-use process across the interconnected disciplines involved, identifying systemic risks and collaborative strategies for mitigation. Methods: A comprehensive literature search was conducted across PubMed, CINAHL, Scopus, and Web of Science databases. Results: Errors are prevalent, with high-risk points at prescribing (especially antimicrobials and analgesics), transcription/communication, anaesthesia administration, and post-operative monitoring. Fragmented systems, ambiguous communication, and role overload are key contributors. Evidence supports structured interventions like computerised physician order entry with decision support, standardised handoff protocols, barcode-assisted medication administration, and enhanced interdisciplinary training (e.g., simulation, crew resource management) as effective in reducing errors. Successful implementation is fundamentally dependent on strong health services administration policies and a pervasive culture of safety. Conclusion: Medication safety in surgery is an inherently interdisciplinary challenge. A "siloed" approach is ineffective. Future strategies must be architected around integrated care pathways, leveraging health information technology and fostering a culture of shared responsibility from the executive suite to the bedside, involving every link in the chain from the medical secretary to the resident doctor and surgical team.
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 | 0,005 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».