metricas
covid
Buscar en
Cirugía Española
Toda la web
Inicio Cirugía Española Detección de efectos adversos en cirugía general mediante la aplicación de la...
Información de la revista
Vol. 93. Núm. 2.
Páginas 84-90 (febrero 2015)
Visitas
10184
Vol. 93. Núm. 2.
Páginas 84-90 (febrero 2015)
Original
Acceso a texto completo
Detección de efectos adversos en cirugía general mediante la aplicación de la metodología «Trigger Tool»
Detection of adverse events in general surgery using the « Trigger Tool» methodology
Visitas
10184
Ana Isabel Pérez Zapataa,
Autor para correspondencia
zgzana83@hotmail.com

Autor para correspondencia.
, María Gutiérrez Samaniegoa, Elías Rodríguez Cuéllara, Eva María Andrés Estebanb,c, Agustín Gómez de la Cámarab,c, Pedro Ruiz Lópezd
a Servicio de Cirugía General, Hospital Universitario 12 de Octubre, Madrid, España
b Unidad de Investigación Clínica, Hospital Universitario 12 de Octubre, Madrid, España
c CIBER-Epidemiología y Salud Pública, Madrid, España
d Unidad de Calidad, Hospital Universitario 12 de Octubre, Madrid. España
Este artículo ha recibido
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (3)
Mostrar másMostrar menos
Tablas (3)
Tabla 1. «Triggers» encontrados y frecuencia de aparición
Tabla 2. Efectos adversos y frecuencia de aparición
Tabla 3. Relación EA y factores de riesgo
Mostrar másMostrar menos
Resumen
Introducción

La cirugía supone una de las áreas de alto riesgo para la aparición de efectos adversos (EA). El objetivo de este estudio es conocer el porcentaje de EA en hospitalización que se detectan mediante la metodología «Global Trigger Tool» en pacientes de cirugía general, las características de los mismos y la validez de la herramienta.

Material y métodos

Estudio retrospectivo, observacional y descriptivo sobre pacientes ingresados en cirugía general de un hospital de tercer nivel, sometidos a intervención quirúrgica durante el año 2012. La identificación de EA se lleva a cabo mediante una revisión de historias clínicas empleando una adaptación de la metodología «Global Trigger Tool» Una vez identificado el EA, se le asignó una categoría de daño y se determinó el grado en el que este podría haber sido evitado así como su relación con el procedimiento quirúrgico.

Resultados

La prevalencia de EA fue de 36,8%. Con un número de EA por paciente de 0,5. El 56,2% se consideraron evitables. Y un 69,3% se relacionaron directamente con el procedimiento quirúrgico. La herramienta demostró una sensibilidad del 86% y una especificidad del 93,6%. El valor predictivo positivo fue de 89%, el valor predictivo negativo de 92%.

Conclusiones

La prevalencia de EA es más alta de lo estimado en otros estudios. La mayoría de los EA detectados están relacionados con el procedimiento quirúrgico, y más de la mitad son evitables.

La metodología «Global Trigger Tool» adaptada ha demostrado ser altamente eficaz y eficiente para la detección de EA en cirugía, identificando todos los EA graves y con pocos falsos negativos.

Palabras clave:
Efecto adverso
Cirugía general
Seguridad del paciente
Trigger Tool
Abstract
Introduction

Surgery is one of the high-risk areas for the occurrence of adverse events (AE). The purpose of this study is to know the percentage of hospitalisation-related AE that are detected by the «Global Trigger Tool» methodology in surgical patients, their characteristics and the tool validity.

Material and methods

Retrospective, observational study on patients admitted to a general surgery department, who underwent a surgical operation in a third level hospital during the year 2012. The identification of AE was carried out by patient record review using an adaptation of «Global Trigger Tool» methodology. Once an AE was identified, a harm category was assigned, including the grade in which the AE could have been avoided and its relation with the surgical procedure.

Results

The prevalence of AE was 36,8%. There were 0,5 AE per patient. 56,2% were deemed preventable. 69,3% were directly related to the surgical procedure. The tool had a sensitivity of 86% and a specificity of 93,6%. The positive predictive value was 89% and the negative predictive value 92%.

Conclusions

Prevalence of AE is greater than the estimate of other studies. In most cases the AE detected were related to the surgical procedure and more than half were also preventable.

The adapted «Global Trigger Tool» methodology has demonstrated to be highly effective and efficient for detecting AE in surgical patients, identifying all the serious AE with few false negative results.

Keywords:
Adverse event
General surgery
Patient safety
Trigger Tool
Texto completo
Introducción

Efecto adverso (EA) se define como el daño causado a un paciente como consecuencia de la asistencia médica, no directamente condicionado por la enfermedad que padece1. Los EA son un motivo de preocupación debido a las tasas elevadas observadas en pacientes hospitalizados2–9. Además, aproximadamente la mitad se consideran prevenibles4,5,10.

Las especialidades quirúrgicas concentran un mayor número de EA4–6,9. En cirugía general se han descrito tasas desde el 7%, en el Harvard Medical Practice Study2, hasta el 30,3% en el estudio de Healey et al.10. En el estudio poblacional sobre efectos adversos en pacientes hospitalizados realizado en España (ENEAS), la incidencia de EA en cirugía general fue del 10,3%9.

Históricamente, los sistemas de identificación de EA se han basado en notificaciones voluntarias de incidentes, rastreo de errores, información obtenida de bases clínico-administrativas (CMBD) y reclamaciones. La mayoría infraestiman la incidencia real de EA11,12. Recientemente se han desarrollado diferentes herramientas basadas en la revisión de historias clínicas para su cribado y posterior revisión para la detección de EA.

El «Institute for Healthcare Improvement» (IHI), ha desarrollado el «IHI Global Trigger Tool» para la medición de EA13. Este sistema nació en los años 90, utilizado al principio solo en relación con las reacciones adversas a fármacos, más tarde se adaptó para el uso en unidades de cuidados intensivos, perinatales y quirúrgicas. Se basa en la selección de historias clínicas que, con alta probabilidad, se asocian a EA mediante la identificación de sucesos alarma («triggers»). Las historias en las que se halla algún «trigger», se revisan detalladamente en busca de EA. Esta herramienta ha demostrado ser altamente eficaz y eficiente detectando incluso diez veces más EA que otros sistemas14.

Parece interesante el desarrollo de una herramienta capaz de identificar EA en pacientes quirúrgicos de manera fiable y eficaz y a bajo coste.

El objetivo principal de este estudio es conocer el porcentaje de EA en hospitalización que se detectan mediante la aplicación de la metodología «Global Trigger-Tool», adaptada a pacientes de cirugía general, conocer sus características y conocer la validez de la herramienta en nuestro medio.

Material y métodosDiseño del estudio

Realizamos un estudio observacional, descriptivo, retrospectivo.

Se incluyeron pacientes ingresados en cirugía general de un hospital de tercer nivel durante el período del uno de enero de 2012 al 31 de diciembre de 2012.

El cálculo del tamaño de la muestra se realizó sobre una población de 2.900 casos, tomando como referencia los datos del Estudio ENEAS (incidencia de 10,3%), con un nivel de confianza del 95% y una precisión del 0,03. La muestra se compuso de 350 pacientes. El reclutamiento se realizó de forma aleatoria simple.

Criterios de inclusión: pacientes ≥ 18 años sometidos a un procedimiento quirúrgico urgente o programado; episodios clínicos completos y cerrados; ingreso administrativo en cirugía general con carácter urgente o programado.

Criterios de exclusión: pacientes psiquiátricos o en rehabilitación; derivados de forma no programada de otros centros; cirugías de trasplante visceral.

Cuando un paciente no cumplió los criterios de inclusión, se recogió el siguiente de la lista de pacientes intervenidos.

Instrumentalización

Se realizó una adaptación de la herramienta y del listado de «triggers» tras una revisión exhaustiva de la literatura y teniendo en cuenta las características de los sistemas de información del hospital. El IHI propone un listado de «triggers» agrupados en 6 módulos: cuidados generales, medicación, quirúrgico, cuidados intensivos, perinatal y departamento de emergencias. Se seleccionaron, dentro de los tres primeros módulos, el panel de «triggers» adecuados para su detección en la red interna informática del propio hospital. Se descartaron aquellos que no pudiesen ser detectados mediante este sistema y se añadieron otros (tabla 1).

Tabla 1.

«Triggers» encontrados y frecuencia de aparición

Módulo cuidadosMódulo medicaciónMódulo quirúrgicoAñadidos propios/literatura
Trasfusión sangre  19  Coprocultivo + Clostridium difficile  Reintervención  21  Anatomía patológica no relacionada con diagnóstico 
Traslado a UVI  PTT > 100 s  *  Daño o exéresis no planeada de un órgano  10  Estancia en REA >24 horas  12 
Reingreso 30 días posterior al alta  26  INR > 6  *  Ventilación mecánica > 24 horas  Atención en Urgencias 30 días tras alta  60 
Hemocultivo positivo  11  Glucosa < 50 mg/dl  *  Intubación o reintubación en REA  Procedimientos invasivos durante ingreso (CPRE, TC-punción…)  21 
ECO-doppler MMII/TAC pulmonar helicoidal  ↑ Creatinina x2 del valor basal  *  Muerte intra o postoperatoria  Radiología no planeada durante ingreso  69 
Parada Cardiorrespiratoria  Hipotensión o sobre sedación  *  Reingreso en reanimación  Valoración por Unidad de Enfermedades Infecciosas  43 
Úlceras por presión  *  Vitamina K  *  Radiografía intra o postoperatoria  *  Valoración por Unidad de Nutrición  32 
Diálisis aguda  *  Difenidramina  *  Cambio de procedimiento  *  Hallazgos fortuitos 
Empleo medidas sujeción  *  Flumazenil  *  Troponina postoperatoria >1,5 Nanogram/ml*  *     
Infección nosocomial  *  Naloxona  *  Epinefrina, Norepinefrina, Naloxonaintraoperatoria*  *     
Caída del paciente  *  Cese brusco de medicación  *         
Complicación de un procedimiento  *             
Hemoglobina/hematocrito*  *             

CPRE: colangiopancreatografía retrógrada endoscópica; INR: «internacional normalized ratio prothrombin time»; MMII: miembros inferiores; PTT tiempo de tromboplastina parcial; REA: unidad de reanimación postquirúrgica; TAC: tomografía axial computerizada; TC: tomografía computerizada; UVI: unidad de vigilancia intensiva.

*

Trigger descartado.

Para la categoría de daño asignada a cada EA, se empleó clasificación de la «National Coordinating Council for Medication Error Reporting and Prevention»15, empleada habitualmente en la metodología «Global Trigger-Tool».

Proceso de revisión. (fig. 1)

  • 1.

    Equipo de revisión

    Constó de dos revisores, médicos internos residentes y un cirujano sénior como consultor. Previamente a la fase de cribado, los revisores realizaron un período de entrenamiento, revisando 20 historias clínicas.

    Figura 1.

    Proceso de revisión.

    (0.06MB).
  • 2.

    Fase de cribado

    Ambos revisores cribaron todas las historias en busca de «triggers» para seleccionar aquéllas que pasaban al proceso de revisión. Se diseñó una guía de cribado específica para este trabajo que incluía las variables a estudio de cada paciente y los «triggers» seleccionados. Se midió el tiempo de cribado de las historias clínicas.

  • 3.

    Detección y caracterización de EA

Se consideró EA todo aquel «suceso nocivo e inintencionado que le ocurre al paciente como consecuencia del ejercicio de la atención sanitaria no relacionado con su enfermedad»1.

Las fuentes de información para la búsqueda de EA fueron informes clínicos de alta, protocolos de intervención quirúrgica y comentarios de evolución médicos y de enfermería desde el ingreso del paciente hasta 30 días posteriores al alta, incluyendo comentarios de consultas externas. Todos ellos estaban disponibles en formato electrónico.

Al detectar un EA se le adjudicó una categoría de daño y se valoró el grado en el que ese suceso podría haber sido evitado

Para la determinación del carácter evitable del EA se adaptó la clasificación empleada en el estudio ENEAS4, considerando evitable los EA con puntuación igual o mayor a 4.

Para minimizar el carácter subjetivo de los revisores en la clasificación de EA evitables y la valoración del grado de complejidad del procedimiento quirúrgico, se aplicó un cuestionario a 20 cirujanos sénior. Estos categorizaron cada EA según la clasificación previa y cada procedimiento quirúrgico según una puntuación de uno a 4, considerando uno como grado de complejidad mínima y 4 como grado de complejidad máxima. Se adjudicó a cada EA y a cada procedimiento quirúrgico un valor medio. El revisor posteriormente pudo modificar la puntuación ajustándola a cada caso.

Las historias en las que no se detectó ningún «trigger» fueron revisadas de la misma manera que las cribadas positivamente para la búsqueda de EA, empleando las mismas fuentes de información.

Se recogieron además las variables: edad, sexo, categoría ASA, diagnóstico principal, procedimiento quirúrgico, estancia en días, cirugía urgente o programada, complejidad del procedimiento quirúrgico.

Análisis de datos

Se realizó un análisis descriptivo mediante media, mediana y desviación típica para variables continuas y mediante distribución de frecuencias para variables categóricas.

La comparación entre las principales variables según EA se realizó mediante el contraste no paramétrico U de Mann-Whitney o con el contraste chi-cuadrado o test de Fisher según fuese la variable continua o categórica.

Para medir la validez de la herramienta para detectar la presencia de un EA, se utilizó la sensibilidad y especificidad de la prueba diagnóstica, así como el valor predictivo positivo (VPP) y el valor predictivo negativo.

Finalmente el modelo de predicción se realizó mediante regresión logística binaria, con el método forward conditional, introduciendo como variable dependiente la aparición de EA y como variables independientes las que obtuvieron significación estadística en el análisis bivariante o podían tener una implicación clínicamente plausible. El análisis de la calibración del modelo se realizó mediante el estadístico de Hosmer-Lemeshow. El poder discriminatorio del modelo se evaluó mediante el área bajo la curva ROC (receiver-operator characteristics) obtenida analizando la probabilidad del valor pronosticado por el modelo multivariable. Los resultados del modelo se presentan en forma de odds ratio (intervalo de confianza [IC] del 95%).

El programa estadístico utilizado fue STATA/SE v10.0. Se consideraron estadísticamente significativos aquellos p-valores<0,05 para todos los análisis.

Resultados

En la fase de entrenamiento los revisores alcanzaron una concordancia del 100%.

Se cribaron 350 historias, 14 fueron descartadas por no cumplir los criterios de inclusión (8 trasplantes hepáticos, 3 quimioembolizaciones hepáticas y 3 pacientes con historia clínica incompleta) y sustituidas según el método. El tiempo empleado en el cribado de las historias fue inferior a tres minutos de media.

La edad media fue 58 años, mediana de 60. El 47,7% eran mujeres. Doscientos cincuenta y cinco pacientes fueron intervenidos de forma programada (73%) y 95 de forma urgente (27%). La colecistectomía supuso el 22% de los procedimientos, la apendicectomía el 13%, colectomías el 11%, hernioplastias el 9% y tiroidectomías el 8%. El resto de los procedimientos representó menos del 5% individualmente.

Se detectaron 340 «triggers» (tabla 1) en 125 pacientes. En 111 de los 125 pacientes seleccionados por la herramienta encontramos al menos un EA. Hubo 14 falsos positivos. El VPP de la herramienta fue de 89%. Se detectaron 31 pacientes con un segundo EA, 15 con un tercero, tres con un cuarto y uno con un quinto. El total de EA detectados por la herramienta fue de 161.

Tras la revisión de las historias clínicas en las que no se detectaron «triggers», se observaron 18 EA en 18 pacientes, 5 flebitis de acceso venoso periférico, 4 hipocalcemias postoperatorias, 2 reacciones alérgicas, 2 seromas y un hematoma de herida quirúrgica, una retención aguda de orina y 3 anulaciones de quirófano.

La prevalencia real de EA fue del 36,8% (IC: 31,7-41,9%). Excluyendo los casos de flebitis como único EA, 35,4%. Hubo 51,1 EA por cada 100 pacientes y 5,57 EA por cada 100 pacientes-día.

La categoría de daño de los EA detectados se expone en la figura 2.

Figura 2.

Categoría de daño. «National coordinating Council for Medication Error Reporting and Prevention».

(0.2MB).

La tabla 2 muestra los tipos de EA detectados más frecuentemente. El 56,2% de los EA se consideraron evitables (fig. 3), el 69,3% estaban directamente relacionados con el procedimiento quirúrgico.

Tabla 2.

Efectos adversos y frecuencia de aparición

  Frecuencia  Porcentaje 
Infección herida quirúrgica  24  13,5 
Fístula anastomótica  17  9,5 
Íleo paralítico abdominal  14 
Absceso intraabdominal  12  6,5 
Flebitis (periférico)  11 
Sangrado intraabdominal
Seroma de herida quirúrgica 
9
5
Hipocalcemia  4,5 
Hematoma herida quirúrgica 
Infección respiratoria  3,5 
Suspensión quirófano  3,5 
Mal control del dolor 
Infección tracto urinario 
Complicación procedimiento  2,5 
Reacción alérgica terapia iv
Úlcera decúbito 
3
1,5
1,5 
Infección acceso venoso central
Muerte 
3
1,5
Miscelánea  28  15,5 
Total  179  100% 
Figura 3.

Evitabilidad de los EA.

(0.09MB).

La aparición de EA en la muestra se relacionó con la complejidad de la cirugía y el grado de contaminación (tabla 3). El tipo de cirugía urgente o programada, la edad del paciente y la categoría ASA no se relacionaron con la aparición de EA. En la cirugía urgente los pacientes > 65 años presentaron 3,16 veces más riesgo de padecer un EA que los < de 65 años (IC 1,04-9,58 con p=0,042).

Tabla 3.

Relación EA y factores de riesgo

      Intervalo de confianza
Variable  Odds ratio  p-valor  Inferior  Superior 
Complejidad del procedimiento
Mínima  ref  ref  ref  ref 
Media baja  1,19  0,63  0,57  2,50 
Media alta  3.26  <0,001  1,75  6,09 
Máxima  8,27  <0,001  2,83  24,21 
Grado contaminación quirúrgica
Limpia  ref  ref  ref  ref 
Limpia contaminada  0,73  0,47  0,35  1,53 
Contaminada  1,92  0,03  1,04  3,53 
Sucia  1,35  0,47  0,59  3,10 

El modelo presenta únicamente las variables que fueron significativas. En complejidad de procedimiento, la categoría de referencia fue complejidad mínima, y se observa que el riesgo aumenta conforme lo hace la complejidad de resultados significativo complejidad alta y máxima. En el grado de contaminación quirúrgica, la categoría de referencia fue limpia, y resultó significativa contaminada mostrando un riesgo de EA 1,92 veces superior al grado limpia.

La herramienta mostró una sensibilidad del 86% y una especificidad de 93,6%. El valor predictivo negativo de la herramienta fue de 92%, el VPP 89%.

Discusión

El cribado de historias clínicas para la detección de EA es un método sencillo, efectivo y eficiente. Hasta donde sabemos, este es el primer estudio específico en España que valora la detección de EA en cirugía mediante la metodología «Global Trigger-Tool», una herramienta ampliamente extendida en todo el mundo, principalmente en el mundo anglosajón que produce resultados consistentes, fiables y relevantes a bajo precio16.

La prevalencia de EA en nuestro estudio (36,9%) ha resultado mayor que la encontrada en otros estudios con otros métodos a nivel nacional, 10,3% (12,5% en hospitales con más de 500 camas) en ENEAS17 y 17,8% en el estudio de Júdez Legaristi et al.15 pero se aproximan a los descritos en estudios prospectivos, 30,3% en el estudio de Haley et al. citado previamente, donde se medían complicaciones en pacientes exclusivamente quirúrgicos o el 36,9% en el estudio de Rebasa et al.18. El IHI llevó a cabo un estudio en pacientes de cirugía19, encontrando una prevalencia de EA de 14,6%, aunque empleando una batería de «trigger» distinta a la utilizada en este trabajo.

El número de EA no detectados por la herramienta fue bajo18 y con una categoría de daño siempre inferior a F. Así consideramos la herramienta «trigger» fiable, útil y eficaz para la revisión de EA en cirugía general.

Las diferencias pueden partir de aspectos conceptuales pero creemos que el diseño específico de la herramienta ha podido optimizar la selección de historias en la fase de cribado. El VPP de la herramienta (89%) ha sido mayor que el descrito en otros estudios a nivel internacional20,21, logrando un VPP desde el 16,3% hasta un máximo del 38% en el estudio australiano sobre calidad en la asistencia sanitaria4. En el estudio ENEAS el VPP de la guía de cribado para pacientes de cirugía general fue un 77,2% (incluyendo incidentes y EA debidos a la enfermedad)14 en el estudio de Júdez Legaristi et al. fue del 53%22.

Se ha demostrado la alta sensibilidad y especificidad, lo cual indica su capacidad de aproximarse a la realidad de los EA de la hospitalización en cirugía.

La herramienta fue ajustada a los recursos electrónicos de nuestro centro, eliminando e incorporando «triggers» ya que el poder ser adaptada en función del marco en el que se desarrolle, es una de sus ventajas23.

La evaluación de la complejidad quirúrgica y del carácter evitable de los EA mediante aplicación de encuestas a un número adecuado de cirujanos expertos ayuda a minimizar el carácter subjetivo de los resultados sirviendo de guía flexible para los revisores.

Considerando que se ha observado un 56,42% de EA evitables, existe un amplio margen de mejora. Estos datos son semejantes a otros estudios en los que el índice de EA evitables se acerca al 50%4,5,9,10. Generalmente, los EA tienen causas multifactoriales y es preciso analizarlas con una orientación sistémica para conseguir reducir estas cifras.

La categoría de daño resultó similar a la publicada en otros estudios13. El porcentaje de EA directamente relacionado con el procedimiento quirúrgico (69,27%) justificaría los factores de riesgo controlados relacionados con la aparición de EA (complejidad del procedimiento y el grado de contaminación quirúrgica).

Se detectaron solo 3 EA relacionados con errores de medicación. Este hallazgo podría justificarse en que gran parte de los «triggers» que la metodología del IHI propone para errores de medicación que fueron eliminados, debido a la dificultad para un cribado rápido de los casos. Sin embargo al haber revisado exhaustivamente todas las historias de la muestra no podemos concluir que la herramienta no haya resultado efectiva en este aspecto. En el estudio ENEAS el 24%17 de los EA detectados se relacionaron con la medicación, lo que nos lleva a pensar que los errores de medicación no se registran de forma adecuada en la historia clínica de nuestro centro. También cabe añadir que en el estudio del IHI para pacientes quirúrgicos la tasa de EA relacionados con la medicación se encuentra alrededor del 15%19 siendo predominantes los EA relacionados directamente con el procedimiento quirúrgico19.

En conclusión, podemos afirmar que la metodología «Global TriggerTool» adaptada ha demostrado ser altamente eficaz y eficiente para la detección de EA en cirugía, identificando todos los EA graves y con pocos falsos negativos.

La prevalencia de EA es más alta de lo estimado en otros estudios. La mayoría de los EA detectados están relacionados con el procedimiento quirúrgico, y más de la mitad son evitables.

Financiación

Apoyos recibidos para la realización del estudio: ninguno.

Conflicto de intereses

Los autores declaran no tener ningún conflicto de intereses.

Bibliografía
[1]
H.H. Hiatt, B.A. Barnes, T.A. Brennan, N.M. Laird, A.G. Lawthers, L.L. Leape, et al.
A study of medical injury and medical malpractice. An overview.
New England Journal of Medicine, 321 (1989), pp. 480-484
[2]
T.A. Brennan, L.L. Leape, N.M. Laird, L. Hebert, A.R. Localio, A.G. Lawthers, et al.
Incidence of adverse events and negligence in hospitalized patients. Results of the Harvard Medical Practice Study I.
N Engl J Med, 324 (1991), pp. 370-376
[3]
E.J. Thomas, D.M. Studdert, H.R. Burstin, E.J. Orav, T. Zeena, E.J. Williams, et al.
Incidence and types of adverse events and negligent care in Utah and Colorado.
Med Care, 38 (2000), pp. 261-271
[4]
R.M. Wilson, W.B. Runciman, R.W. Gibberd, B.T. Harrisson, L. Newby, J.D. Hamilton.
The quality in Australian Health-Care Study.
Med J Aust, 163 (1995), pp. 458-471
[5]
C. Vincent, G. Neale, M. Woloshynowych.
Adverse events in British hospitals: preliminary retrospective record review.
BMJ, 322 (2001), pp. 517-519
[6]
P. Davis, R. Lay-Yee, S. Schug, R. Briant, A. Scott, S. Johnson, et al.
Adverse events regional feasibility study: indicative findings.
N Z Med J, 114 (2001), pp. 203-205
[7]
R.G. Baker, P.G. Norton, V. Flintoft, R. Blais, A. Brown, J. Cox, et al.
The Canadian Adverse Events Study: the incidence of adverse events among hospital patients in Canada.
JAMC, 170 (2004), pp. 1678-1686
[8]
A.J. Forster, T.R. Asmis, H.D. Clark, G.A. Saied, C.C. Code, S.C. Caughey, et al.
Ottawa Hospital Patient Safety Study: Incidence and timing of adverse events in patients admitted to a canadian teaching hospital.
Can Med Assoc, 170 (2004), pp. 1235-1240
[9]
J.M. Aranaz, C. Aibar, J. Vitaller, P. Ruiz.
Estudio Nacional sobre los Efectos Adversos ligados a la hospitalización. ENEAS 2005.
Ministerio de Sanidad y Consumo, Dirección General de la Agencia de Calidad del Sistema nacional de salud, (2006),
[10]
M. Healey, S. Shackford, T. Osler, F. Rogers, E. Burns.
Complications in surgical patients.
Archives of Surgery, 137 (2002), pp. 611-618
[11]
D.J. Cullen, D.W. Bates, S.D. Small.
Incident reporting system does not detect adverse drug envents: a problem for quality improvement.
Jt Comm J Qual Improv., 21 (1995), pp. 541-548
[12]
K. Wanzel, C. Jamieson, J. Bohnen.
Complications on a general surgery service: incidence and reporting.
CJS., 43 (2000), pp. 113-117
[13]
F.A. Griffin, R.K. Resar.
IHI Global Trigger Tool for measuring adverse events.IHI Innovation series white paper..
Institute for Healthcare Improvement, (2007),
[14]
D.C. Classen, R. Resar, F. Griffin, F. Federico, T. Frankel, N. Kimmel, et al.
«Global Trigger Tool» shows that adverse events in hospitals may be ten times greater than previously measured.
Health Aff, 30 (2011), pp. 581-589
doi: 10.1377/hlthaff.2011. 0190
[15]
National Coordinating Council for Medication Error Reporting and Prevention (NCC MERP) Index for Categorizing Errors. [actualizada 20 Octubre 2013]. Disponible en: http://www.nccmerp.org/medErrorCatIndex.html
[16]
R.S. Evans, S.L. Pestotnik, D.C. Classen, T.P. Clemmer, L.K. Weaver, J.F. Orme Jr., et al.
A computer-assisted management program for antibiotics and other antiinfectiveagents.
N Engl J Med, 338 (1998), pp. 232-238
[17]
J.M. Aranaz-Andrés, P. Ruiz-López, C. Aibar-Remón, J. Requena-Puche, Y. Agra-Varela, R. Limón-Ramírez, y grupo de trabajo ENEAS. AT Sucesos adversos en cirugía general y de aparato digestivo en los hospitales españoles, et al.
Cir Esp., 82 (2007), pp. 268-277
[18]
P. Rebasa, L. Mora, H. Vallverdú, A. Luna, S. Montmany, A. Romaguera, et al.
Adverse events in general surgery.A prospective analysis of 13.950 consecutive patients.
Cir Esp., 89 (2011), pp. 599-605
[19]
F.A. Griffin, D.C. Classen.
Detection of adverse events in surgical patients using the Trigger Tool approach.
Qual Saf Health Care, 17 (2008), pp. 253-258
[20]
A.J. Forster, T.R. Asmis, H.D. Clark, G. Al Saied, C.C. Code, S.C. Caughey, et al.
Ottawa Hospital Patient Safety Study: incidence and timing of adverse events in patients admitted to a Canadian teaching hospital.
CMAJ., 170 (2004), pp. 1235-1240
[21]
E.J. Thomas, D.M. Studdert, H.R. Burstin, E.J. Orav, T. Zeena, E.J. Williams, et al.
Incidence and types of adverse events and negligent in Utah and Colorado.
Med Care., 38 (2000), pp. 247-249
[22]
D. Júdez Legaristi, C. Aibar Remón, M.T. Ortega Majá, V. Aguilella Diago, J.M. Aranaz Andrés, I. Gutiérrez Cía.
Incidencia de efectos adversos en un servicio de cirugía general.
[23]
R.K. Resar, R.D. Rozich, D.C. Classen.
Methodology and rationale for measurement of harm with trigger tools.
Qual Safe Health Care, 12 (2003),
ii39e45
Copyright © 2014. AEC
Descargar PDF
Opciones de artículo
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos