Interventions to reduce patient identification errors in the hospital setting: a systematic review
Bibliographic record
Abstract
Introdução: A identificação do paciente é considerada etapa fundamental no processo de atendimento e um relevante recurso para a sua segurança nas instituições de saúde. Objetivo: Analisar as intervenções destinadas a reduzir os erros de identificação do paciente no contexto hospitalar. Método: Trata-se de uma revisão sistemática, de acordo com a metodologia do Instituto Joanna Briggs (JBI). Os dados foram coletados no período de abril de 2018 a janeiro de 2019, nos seguintes meios eletrônicos: PUBMED, CINAHL, Embase, Scopus, LILACS, Medes, Cochrane Library, ProQuest Dissertation and Theses, Google Scholar, NHS Improvement, Dart- Europe, Open Grey, Catálogo de Teses e Dissertações - CAPES e Theses Canada. Não houve limite temporal para a busca, e foram incluídas pesquisas em português, inglês e espanhol. A seleção e avaliação inicial dos estudos e a qualidade metodológica foram executadas por dois revisores, de forma independente, sendo que os dados foram extraídos utilizando-se ferramentas padronizadas pela JBI. Devido à heterogeneidade metodológica das intervenções e das medidas dos desfechos nos estudos incluídos, a meta-análise não foi possível. O método de contagem de votos foi utilizado, juntamente com gráficos de direção de efeito, para complementar a apresentação narrativa dos resultados. A avaliação da qualidade da evidência dos resultados foi realizada por meio do Grading of Recommendations, Assessment, Development and Evaluation (GRADE). Resultados: Dos 2.475 estudos potencialmente relevantes, 12 atenderam aos critérios da revisão, sendo um estudo controlado randomizado e 11 estudos quase-experimentais, e apresentaram cinco subgrupos de intervenções: uso de pelo menos dois indentificadores para verificar a identidade do paciente combinado com uma intervenção educativa (n=4), implementação de recursos e ferramentas tecnológicas combinada com uma intervenção educativa (n=1), implementação de recursos e ferramentas tecnológicas (n=5), educação dos profissionais de saúde no que diz respeito à correta identificação do paciente combinada com uma parceria com os pacientes e familiares por meio de estratégias educativas (n=1), e educação dos profissionais de saúde no que se refere à correta identificação do paciente combinada com uma intervenção tecnológica (n=1). Embora 11 estudos tenham apresentado uma redução estatisticamente significativa dos erros de identificação do paciente, a qualidade geral e a força da evidência, baseadas no GRADE, foram consideradas muito baixas. Conclusões: As intervenções encontradas podem contribuir para a redução dos erros de identificação do paciente, todavia, a maioria dos estudos não apresentaram qualidade metodológica suficiente para o desenvolvimento de evidências. Portanto, é imperativo o desenvolvimento de pesquisas robustas na temática e que as instituições de saúde continuem atentas para a necessidade de aplicação de protocolos de identificação do paciente seguindo as recomendações de políticas de saúde e diretrizes globais vigentes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.022 | 0.118 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.008 | 0.009 |
| Bibliometrics | 0.014 | 0.011 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".