使用人工智能提高用药错误报告

使用人工智能提高用药错误报告
说明培训的自组织映射。蓝色斑点是训练数据的分布,和白色的小圆盘是当前训练数据来自分布。起初(左)SOM节点数据空间中任意位置。节点(用黄色突出显示),这是最近的训练数据被选中。走向了培训资料,(在较小程度上)是邻国的网格。经过多次迭代,网格近似数据分布(右)。来源:DOI: 10.1016 / j.array.2020.100049

因素中独立出来的一种新颖的机器学习方法负责护士报告,或者未能报告,非关键分发药物中的错误

比很多人想象的更常见医疗错误,和最常见的类型来自分发药物。然而,非关键错误很少报道。跨学科组织的科学家领导的助理胡从市爱荷华大学爱荷华市,美国已经开发了一种计算方法预测因素,使护士更有可能报告错误。这项工作是与爱思唯尔的开放获取期刊发表数组

更多的人在美国死于每年从乳腺癌相比,艾滋病和车祸的总和。然而,这些事件只是冰山一角;所有类型的医疗错误,包括用药错误,严重低报,除非他们有关病人造成严重伤害。实际的报告率甚至可能低至百分之五。

在一个典型的医院,护士参与管理药物的40%左右;即使他们不给药物本身,他们常常能够观察得到。尽管放在他们的责任,他们国家很多原因不报告错误,特别是在没有严重伤害接踵而至。这些包括责任和报复的恐惧从经理和他们的同行。

有很多因素可能会影响是否在任何给定的事件之后,有关将报告一个错误。这些包括因素与护士的关系与他们的经理,他们觉得他们属于多少机构,和信任的问题以及基本的人口特征。

计算方法由胡锦涛和他的同事们使用了两个不同的机器学习方法来搜索,然后想象,模式的数据表明哪些因素是最重要的在确定护士行为在不同的情况下。“这是一部小说,强大的方法,可以把非线性分析和可视化显示非线性因素(如人类行为)的数据和指导高级医院员工提高他们的管理,”胡锦涛说。

研究人员认为是三种类型的越来越严重的错误:错误之前被发现和纠正;错误的但没有潜在危害病人;,病人可能会被伤害,但并不是。他们收集了相关数据对护士,他们的经理和机构及其陈述报告的三种类型的可能性从调查和并行使用这个确定那些最相关的变量有高和低的可能性报告错误。

大多数预测变量使用另一种机器学习技术在彩色网格可视化:自组织映射。“这种视觉分析给了我们一个全面的分析选择变量,“胡补充道。它显示明显差异至少严重错误,在护士的判断受到影响大多数同龄人的态度,更严重的,经理人的态度更重要。

更多信息:Renjie胡锦涛等,使用机器学习识别前预测护士愿意用药错误报告,数组(2020)。DOI: 10.1016 / j.array.2020.100049

由SciencePOD
引用:使用人工智能提高用药错误报告的检索(2022年1月19日)2023年7月4日从//www.puressens.com/news/2022-01-artificial-intelligence-medication-errors.html
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。

进一步探索

用药错误报告不代表患者的安全

43股票

反馈给编辑