Diagnostische uitmuntendheid bereiken door preventie en teamwork (ADEPT)

Veel factoren dragen bij aan diagnostische fouten, maar de belangrijkste daarvan zijn fundamentele problemen in de gezondheidszorg: complexe en gefragmenteerde zorgsystemen, de beperkte tijd die beschikbaar is voor zorgverleners die een definitieve diagnose proberen te stellen, en de werksystemen en culturen die verbeteringen in diagnostische prestaties ondersteunen of belemmeren . Hoewel er benaderingen bestaan ​​voor het identificeren van diagnostische fouten, hebben weinig studies de identificatie van onderliggende systemische en structurele oorzaken van fouten gekoppeld aan bestaande kwaliteitsverbeteringsprogramma's in ziekenhuizen. Nog minder hebben veerkrachttheorieën of positieve deviantiebenaderingen toegepast om de kenmerken te karakteriseren van gevallen waarin het diagnostische proces optimaal is en gebruiken die bevindingen vervolgens om de verbetering van het gezondheidssysteem te kaderen.

Deze applicatie bouwt rechtstreeks voort op de momenteel door de onderzoekers gefinancierde studie - Utility of Predictive Systems in Diagnostic Error (UPSIDE) - waarin risicofactoren, onderliggende oorzaken en prevalentie van diagnostische fouten worden gedefinieerd bij patiënten die zijn opgenomen in ziekenhuizen die deelnemen aan een onderzoekssamenwerking van 55 ziekenhuizen , het Hospital Medicine Reengineering Network (HOMERuN). UPSIDE heeft referentiestandaardbenaderingen ontwikkeld voor de beoordeling van diagnostische fouten, definieerde factoren die verband houden met fouten en heeft samenwerkingen tot stand gebracht met deelnemende locaties en nationale organisaties, wat een unieke krachtige kans biedt om te transformeren hoe diagnostische procesevaluatieprogramma's kunnen worden gebruikt om de patiëntveiligheid te verbeteren.

Het algemene doel van dit centrum is om het zeer succesvolle multicenter-netwerk van de onderzoekers om te vormen tot een gezondheidssysteem voor het leren van diagnostische fouten dat beoordelingen van diagnostische fouten zal integreren in bestaande kwaliteits- en veiligheidsprogramma's, ondersteuning en expertise zal bieden die nodig is om diagnostische fouten te verminderen, en wetenschappelijke, personeels- en infrastructuurveranderingen die langer duren dan de duur van deze subsidie.

Om de algemene doelstellingen van de studie te bereiken, zullen de onderzoekers: 1) Een casusbeoordelingsinfrastructuur implementeren die diagnostische fouten nauwkeurig kan identificeren en diagnostische processen kan karakteriseren bij patiënten die overlijden aan een ziekenhuisopname, overplaatsingen op de intensive care of spoedeisende teamoproepen die plaatsvinden in ziekenhuizen die verbonden zijn met het ziekenhuis Netwerk voor re-engineering van medicijnen; 2) Audit en feedback op locatieniveau en benchmarkrapporten voor de hele groep ontwikkelen van foutpercentages, diagnostische procesfouten, kenmerken van diagnostische procesveerkracht en deze gegevens gebruiken om de samenwerking tussen bestaande veiligheids- en kwaliteitsprogramma's op deelnemende locaties te kaderen; 3) Gebruik het gegevens- en samenwerkingsmodel om interventies te ontwikkelen en te testen op basis van bevindingen met de hoogste prioriteit; en 4) inzicht krijgen in het bereik, de acceptatie, de implementatie en het onderhoud van het programma, evenals de haalbaarheid en eerste ervaring met proefinterventies. Dit project zal een lerend gezondheidssysteem opzetten dat excellentie kan bereiken in diagnose als een doorlopend onderdeel van de zorg, een systeem dat ook een voorbeeld kan zijn voor anderen.