医疗安全不良事件

摘要： 病历质量是医疗质量的呈现形式之一。某三甲医院2021年6月至10月开展医疗质量专家巡查活动,规范医疗行为,强化核心制度的落实,通过提升病历书写质量,降低医疗安全不良事件发生率。统计结果发现:开展医疗质量专家巡查,对病历质量有明显提升作用。

摘要： 目的探讨护理风险管理在精神科封闭病房中的应用效果。方法选取2014年1月至2015年12月我院精神科封闭病房收治的60例患者作为对照组,行常规护理管理;另选取2019年1月至2020年12月我院精神科封闭病房收治的60例患者作为观察组,在对照组基础上行护理风险管理。比较两组的护理质量及医疗安全不良事件发生率。结果观察组的护理文书书写、基础管理、安全管理及消毒隔离评分均显著高于对照组(P<0.05)。观察组的医疗安全不良事件发生率为6.67%,显著低于对照组的21.67%(P<0.05)。结论护理风险管理可提高精神科封闭病房的护理质量,降低医疗安全不良事件发生率。

摘要： 目的梳理近10年我国医疗安全不良事件领域研究文献,分析研究热点和前沿。方法检索中国知网(CNKI)2011年1月1日—2021年12月31日医疗安全不良事件领域相关文献,利用CiteSpace 5.8.R3可视化软件对纳入文献的发表时间、作者和关键词等进行分析。结果共纳入3836篇文献。2011年—2021年医疗安全不良事件领域文献整体呈逐年增长趋势。研究热点集中在不良事件与满意度、风险管理、护理质量、跌倒、医疗器械以及院内转运和手术室。研究前沿为护理管理与重症患者安全。结论我国医疗安全不良事件研究广泛,但尚未形成核心作者群。未来应进一步打破信息及合作壁垒,形成规模化合作网络,关注患者安全关键环节,推动医疗安全不良事件研究持续深入。

摘要： 目的研究艾滋病病房医疗安全不良事件发生状况及预防对策。方法回顾性分析2018年1月至2021年4月杭州市西溪医院艾滋病病房出现的81例医疗安全不良事件。分析医疗安全不良事件的发生类别及严重程度,并研究不良事件发生的原因及预防对策。结果81例医疗安全不良事件中发生医疗安全不良事件为74例(91.36%),医务人员职业暴露不良事件为7例(8.64%)。患者不良事件中安全隐患27例(33.33%),意外拔管25例(30.86%),压力性损伤13例(16.05%),给药错误9例(11.11%)。从事件等级分类情况来看,Ⅳ级事件58例(38.75%),Ⅲ级事件14例(55.00%),Ⅱ级事件9例(6.25%)。27例发生安全隐患事件中,18例为患者跌倒,9例为患者坠床;19例发生在日间,8例发生在夜间。25例意外拔管事件中,20例发生在夜间,5例发生在日间;16例发生在置管后1~3 d,7例发生在置管后4~7 d,2例发生在置管7 d后。13例压力性损伤事件中,Ⅰ期压力性损伤共10例,Ⅱ期压力性损伤共3例;10例合并感染性肺炎,3例合并肾功能损伤。9例给药错误事件中,护士均未严格按照给药流程对每次给药的药品数量、种类进行逐一核对。7例职业暴露事件中,5例为黏膜暴露,2例为针刺伤;从事件当事人身份上看,7例当事人均为院内护士;执业年限均在3年以内。结论艾滋病病房极易出现各类医疗安全不良事件,临床实践中应针对特殊病房患者采用更加全面的护理关怀和更加严格的质控管理,以避免各类不良事件的发生。

摘要： 目的 基于标准化管理视角构建医疗安全(不良)事件管理指标体系.方法 应用循证法、经验参照法建立指标体系草案,采用改良Delphi法,提升预测指标体系的准确性.结果 医疗安全(不良)事件管理指标体系包括3个一级指标,15个二级指标,70个三级指标.三轮问卷应答率分别是96％、94％、86％;专家权威系数为0.88;变异系数随着咨询次数增加而减小,专家意见趋势集中.结论 专家意见协调程度较高,研究构建的医疗安全(不良)事件管理指标体系结果可取.

摘要： 目的:探讨医疗(安全)不良事件中医务人员的真实体验和支持性需求,为管理者后续开展支持性项目提供参考.方法:采用目的抽样法选取济南市2所三级医院13名不良事件中的医务人员为研究对象,进行半结构访谈,采用现象学研究中Co-laizzi 7步骤分析法进行资料分析.结果:提炼出"负性体验及应对、正性体验及应对、支持性需求的多样性及广泛性"3个主题.结论:应重视不良事件中医务人员身心负性体验,加强正向应对引导;关注支持性需求,建立完善的支持系统,帮助其尽快恢复良好的工作状态.

摘要： 目的 分析系统追踪法在医疗安全不良事件规范化管理中的应用效果.方法 建立系统追踪小组,对各个科室上报的安全不良事件以及医疗纠纷事件进行分析、处理,寻找出各项安全不良事件发生的原因、存在的问题,对相关人员进行教育培训,并实施持续整改.对比在采用系统追踪法前后的安全不良事件发生率以及医务人员主动上报安全不良事件率.结果 采用系统追踪法进行医疗安全不良事件规范管理后,医院的安全不良事件:意外不良事件、投诉纠纷事件、院内感染事件、职业伤害事件、药品不良反应事件、输血不良反应事件、医疗器械不良事件、压疮事件发生率均降低(P<0.05);且医务人员主动上报安全不良事件率总数升高(P<0.05).结论 在医疗安全不良事件的规范化管理中采用系统追踪法,能够完善院内的安全不良事件体系的建立、规范化管理,有利于提升医务人员对安全不良事件的防范意识,减少不良事件的发生,提高患者就诊治疗的安全性,促进院内医疗质量长久改进.

摘要： 目的:通过对该院2019年度上报的医疗安全不良事件进行回顾性统计分析,提出改进措施,提高医疗质量管理。方法:运用PDCA循环管理工具,对该院各部门2019年1-12月通过OA信息化平台上报的417例医疗安全不良事件进行现状调查和原因分析。结果:上报的医疗安全不良事件主要是医疗和护理类事件,共占93.52%;不良事件分级主要是Ⅲ级,为320例,占比76.74%;不良事件前10位发生原因总共占85.13%;不良事件上报例数与床位数比值前10位科室的比值均在20%以上,比值低于10%的不达标科室病区共有8个。结论:医疗安全和质量的提高,不仅要进一步落实各项规章制度,更要强化行政职能部门的管理职责。

摘要： 目的 对某三甲综合医院的医疗安全(不良)事件数据进行分析,发现问题,提出应对策略,防范医疗安全(不良)事件发生,切实提升医院医疗质量和安全水平.方法 利用回顾性分析对某三甲综合医院2020年1—6月份医疗安全(不良)事件管理系统收集的472例医疗安全(不良)事件进行分析,探讨医疗安全(不良)事件的发生类型、涉及的科室、高发时间,并对医疗安全(不良)事件发生的原因进行描述性统计分析.结果 医疗安全(不良)事件以医疗器械不良事件和护理不良事件为主,急诊医学科、重症医学科、手术室发生医疗安全(不良)事件最多,08:00-11:59、14:00-15:59时段医疗安全(不良)事件高发,发生原因主要为员工疏忽、医疗器械质量不合格、临床经验不足.结论 构建和完善医疗安全(不良)事件监测管理体系,强化医疗安全(不良)事件高发科室的监控力度,持续关注高发时段,多措并举降低医务人员工作负担,加强医务人员质量安全教育和培训,并保障医疗器械安全.

摘要： 目的:研究医疗安全不良事件报送过程中存在的问题及影响因素.方法:随机选取我院60名医务人员(17个住院病区、7个门急诊各抽取医护人员3名),调查这些人员中对于医疗安全不良事件的报送问题,并通过这些问题进而分析其影响因素.结果:我院2019年共上报137件医疗安全不良事件,而影响医疗安全不良事件报送的因素也有很多,如:个人因素、报告程序复杂、医院管理问题等等.结论:通过研究医疗安全不良事件报送和其存在的问题及影响因素,对我院现有的医疗安全不良事件报送制度及流程进行的一定程度的完善,以期可以提高我院医疗安全不良事件的上报率.

摘要： 医院通过对潜在医疗风险和已造成不良事件的识别、收集、分析和处理,有组织地、有系统地预防和减少事件的发生,不断提高医疗质量,是医院实施风险管理的重要内容.《三级综合医院评审标准(2012版)》提出,要有主动报告医疗安全(不良)事件的制度与工作流程.有指定部门统一收集、核查医疗安全(不良)事件,要有分析、处理和整改措施,并对每百张床位年报告数量、员工知晓率、上报系统等做出了明确要求.医院以此为目标,构建医疗安全不良事件(以下简称不良事件)内部报告系统,并持续改进和完善,运行效果显著.

摘要： 一种基于风险控制技术的智慧医疗安全、不良事件管理系统及方法，该方法用户自行一次性录入身体数据、病史和病例信息，各个不同医疗机构得到授权后便可访问利用，诊断信息完整，并且准确高效，并且利用数据可进行不良事件预警，大大降低了不良事件发生的概率；将诊断数据和历史病例信息统一保存到管理机构和第三鉴定机构设置的服务器，保证了数据的真实性，在发生不良事件后，可公正、客观、科学的进行相应处置，便于不良事件的处置，有效减少社会矛盾；在发生不良事件后，不良事件管理员能借助系统迅速通知关联人员，统一推送应对方案，可将不良事件的危害和影响降到最低，便于管理和防控。

摘要： 一种医疗器械不良事件上报及安全预警信息定向发送系统，包括移动填报终端、核准终端、报告单元、信息处理单元、数据库和服务器，服务器通过网络分别与其它各部分相连接，该系统采用便携的移动填报终端进行医疗器械不良事件报告的填报，提高了报告的即时性和真实性，方便了临床医护人员上报医疗器械不良事件，实现了涉事对象详细信息的自动化填写，保证了信息的准确性，提高了上报的便捷性，解决了医疗器械不良事件报告的完整性问题，还实现了最终上报前的核准，方便了医疗器械不良事件的调查、取证，进一步保证了报告的真实性、准确性和可追溯性。

摘要： 医院医疗安全（不良）事件(medical adverse events)指在进行临床诊疗活动时发生的非疾病本身造成的事件，该事件的发生可能会影响诊疗结果、增加病人的痛苦及负担，甚至引发医疗纠纷或医疗事故。国外有很多国家在进行医疗不良事件网络上报的实践应用，近年来，我国也在积极推进医疗不良事件网络上报工作，这是有利于持续改进医疗质量、预防医疗纠纷的一项举措。本系统旨在把临床科室从以前通过纸质报表上报医疗安全（不良）事件、医院管理者收到报表反馈信息后再将报表返回科室的工作形式中解脱出来，方便医院各科室上报医疗安全（不良）事件，同时也给医院管理者对所上报的事件进行反馈、统计、分析提供了便捷快速的途径。

摘要： 本申请提供一种医疗不良事件的预警方法、装置、设备及存储介质，涉及医疗信息化技术领域。该方法包括：响应针对目标患者的医嘱选择操作，获取目标患者的多种影响因素的指标数据；根据每种影响因素的指标数据，采用各影响因素的风险评估规则，确定各影响因素的风险评估值；根据各影响因素的风险评估值，确定针对目标患者执行目标医嘱时，是否存在不可预见的医疗不良事件，其中，目标医嘱为医嘱选择操作所选中的医嘱；若存在，则向目标医嘱的执行用户输出第一事前预警信息。相对于现有技术，避免了无法降低未来医疗不良事件的发生率的问题。

摘要： 本申请提供了一种医疗不良事件引起的费用监测方法、装置及电子设备，电子设备根据目标对象的就诊记录以及预设的分组策略生成目标对象的目标临床路径，并确定目标临床路径中的待提醒节点，在目标对象的临床路径被执行至待提醒节点时，输出不良事件预警信息，电子设备还可以获取目标对象的正常结算信息、不良事件结算信息以及结算策略，并确定不良事件影响信息。通过确定待提醒节点，可以及时对处置人员进行风险预警，从而降低不良事件的发生率，通过确定不良事件影响信息，可以提高对不良事件引起的医疗费用监测的及时性和准确性。

摘要： 本发明公开了一种医疗不良事件分析系统、方法、设备及存储介质，本发明通过响应于导入指令，将医疗数据文件进行导入；响应于时间规则以及器械编号规则，根据时间规则以及器械编号规则将导入的医疗数据文件进行筛选处理，确定至少一个目标不良事件报告，将至少一个目标不良事件报告输入至关键词检测模型，得到每一目标不良事件报告的严重程度，根据目标不良事件报告中器械编号的出现次数，确定第一目标器械，并根据严重程度确定第二目标器械，对第一目标器械以及第二目标器械进行显示，有利于迅速了解具体的不良器械，从而有利于进行改善以减少意外的发生率，本发明可广泛应用于计算机技术领域。

摘要： 本发明公开了一种基于混合深度学习的医疗设备故障不良事件自动识别方法，涉及医疗设备故障技术领域，包括以下步骤：获取监测人员上报的设备故障描述信息，根据所述设备故障描述信息关联设备的基础属性信息；对所述设备故障描述信息的文本进行处理，并通过故障描述归一化模型得到所述设备故障描述信息的归一化标签；将所述设备的基础属性信息与归一化标签进行组合，生成标准化的特征向量集；通过不良事件识别模型对所述特征向量集进行处理，判别设备故障是否属于不良事件。本发明可以全自动判断医疗设备故障是否属于不良事件，降低对监测人员技术水平的依赖，提高识别准确度。

摘要： 本发明公开了一种基于全过程监控的医源性感染及医疗不良事件溯源系统，包括核心控制单元，与各模块实现数据通信，管理控制各模块；与核心控制单元分别电性连接的环境监控模块、设备监控模块、器械清洗监控模块、手臂消毒监控模块、数据处理模块；可以将监控数据和数据处理结果实时发送至核心控制单元。本发明通过对腔镜清洗、手术包准备、手臂消毒、手术室环境的数据记录和数据上传，可以实时监控医护人员的工作流程是否符合医疗卫生管理法律、法规和诊疗护理规范，在发生医源性感染及医疗不良事件时能有效溯源，避免纠纷。

摘要： 本申请提供一种医疗不良事件线索识别方法、装置、电子设备及存储介质，涉及数据处理技术领域。该方法包括：获取患者的诊疗信息；获取所述诊疗信息对应的临床路径医嘱知识库或医疗不良事件关键词库；基于所述临床路径医嘱知识库或所述医疗不良事件关键词库确定所述诊疗信息中是否存在医疗不良事件线索。该方案通过基于临床路径医嘱知识库或医疗不良事件关键词库来确定诊疗信息中是否存在医疗不良事件线索，从而可主动发掘医疗不良事件线索，减少人工参与医疗不良事件的识别，降低人力消耗，提高工作效率。

摘要： 公开了用于预测、报告和预防医疗不良事件诸如败血症的技术。例如，所述技术可以在客户端‑服务器布置中实现，其中所述客户端存在于医疗专业人员的智能电话上。所公开的技术检测即将发生的医疗不良事件的能力利用了两种创新。首先，一些实施方案包括基于稀疏多输出高斯过程的灵活且可扩展的联合模型。与现有技术的联合模型不同，所公开的模型可以解释包括非高斯噪声的极具挑战性的结构，同时可扩展到大数据。其次，一些实施方案利用最优策略以使用由所述联合模型估计的事件发生的分布来预测事件。