Continuous wristband monitoring over 2 years decreases identification errors: a College of American Pathologists Q-Tracks Study.
Notice bibliographique
Résumé
○ Context.-Identification of patients is one of the first steps in ensuring the accuracy of laboratory results. In the United States, hospitalized patients wear wristbands to aid in their identification, but wristbands errors are frequently found. Objective.-To investigate if continuous monitoring of wristband errors by participants of the College of American Pathologists (CAP) Q-Tracks program results in lower wristband error rates. Setting.-A total of 217 institutions voluntarily participating in the CAP Q-Tracks interlaboratory quality improvement program in 1999 and 2000. Design.-Participants completed a demographic form, answered a questionnaire, collected wristband data, and at the end of the year, best and most improved performers answered another questionnaire seeking suggestions for improvement. Each institution's phlebotomists inspected wristbands for errors before performing phlebotomy and recorded the number of patients with wristband errors. On a monthly basis, participants submitted data to the CAP for data processing, and at the end of each quarter, participants received summarized comparisons. At the end of each year, participants also received a critique of the results along with suggestions for improvement. Main Outcome Measures.-The percentage of wristband errors by quarter, types of wristband errors, and suggestions for improvement. Results.-During 2 years, 1 757 730 wristbands were examined, and 45197 wristband errors were found. The participants' mean wristband error rate for the first quarter in 1999 was 7.40%; by the eighth quarter, the mean wristband error rate had fallen to 3.05% (P<.001). Continuous improvement occurred in each quarter for participants in the 1999 and 2000 program and in 7 of 8 quarters for those who participated in both 1999 and 2000. Missing wristbands accounted for 71.6% of wristband errors, and best performers usually had wristband error rates under 1.0%. The suggestion for improvement provided by the largest number of best and most improved performers was that phlebotomists should refuse to perform phlebotomy on a patient when a wristband error is detected. Conclusions.-The wristband error rate decreased markedly when this rate was monitored continuously using the CAP Q-Tracks -program. The Q-Tracks program provides a useful tool for improving the quality of services in anatomic pathology and lahoratory medicine.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».