Aprendendo com ameaças latentes identificadas durante simulações para melhorar a segurança do paciente
Contexto: As ameaças latentes à segurança (ALSs – as características do design, processos ou ambiente físico que comprometem a segurança do paciente) são frequentemente reveladas durante treinamentos baseados em simulações. Os métodos para coletar, analisar e classificar as ALSs estão pouco desenvolvidos e padronizados. Baseando-se em um grande programa de simulações em uma organização, os autores procuraram coletar sistematicamente as ALSs e desenvolver uma taxonomia para classificá-las. Métodos: Os autores modificaram o Press Ganey Healthcare Performance Improvement Failure Modes Taxonomy (HPI-FMT), um referencial padronizado para a classificação de eventos de segurança no cuidado de saúde, e utilizaram três categorias: ameaça sistêmica, individual e relacionada a medicamentos. As subcategorias foram revisadas para refletir o conteúdo das ALSs na simulação e promover a inserção consistente dos dados em uma planilha. Foi usado um software de visualização para analisar os dados e gerar painéis, gráficos e resumos executivos para serem compartilhados por todo o sistema de saúde, ilustrando os dados para os hospitais e ambulatórios individuais e permitindo o agrupamento, comparações e visualização de tendências. Resultados: Ao longo de um ano, os pesquisadores identificaram 1.318 ALSs em 232 simulações em toda a organização — uma taxa de 5,7 ALSs/simulação. As três principais subcategorias de ALSs foram ambiente/suprimentos/equipamentos (ameaças sistêmicas), processos/estruturas (ameaças sistêmicas) e conhecimentos ou necessidade de formação de habilidades/hábitos (ameaças individuais). Outras ALSs importantes foram suprimentos/equipamentos ausentes ou defeituosos, processos pouco claros, ineficazes ou inexistentes e falta de familiaridade com suprimentos/equipamentos. Quando foi observado um padrão repetitivo (por exemplo, uso inadequado de dantrolene durante simulações de hipertermia maligna), foram implementadas melhorias nos processos ou programas de treinamento. Conclusão: Os autores desenvolveram, implementaram e refinaram um método sistemático para a coleta, análise e exibição de dados sobre ALSs e recomendaram melhorias específicas nos processos ou programas de treinamento ao serem identificadas tendências nas ALS.
Background: Latent safety threats (LSTs—characteristics of design, processes, or physical environment in health care compromising patient safety) are commonly revealed during simulation-based training. Methods of collecting, analyzing, and classifying LSTs are underdeveloped and not standardized. Building on a large simulation program in one organization, the authors aimed to collect LSTs systematically and develop a taxonomy to classify them. Methods: The authors modified the Press Ganey Healthcare Performance Improvement Failure Modes Taxonomy (HPI-FMT), a standardized framework for safety event classification in health care, and used three categories: System, Individual, and Medications. The subcategories were revised to reflect simulation LST content and promote consistent data entry into a spreadsheet. Data visualization software was used to analyze LST data and generate dashboards, graphs, and executive summaries to share across the system that depicted data for individual hospitals and outpatient areas and allowed grouping, comparisons, and trending. Results: Over a year, the researchers identified 1,318 LSTs in 232 simulations across the organization—a rate of 5.7 LSTs/simulation. The top three LST subcategories were Environment/supplies/equipment (System category); Process/structure (System category); and Knowledge or unformed skill/habit (Individual category). Other important LSTs were Missing/malfunctioning supplies/equipment; Unclear or ineffective process or no process; and Unfamiliarity with supplies/equipment. When a repetitive pattern of LSTs was observed (for example, improper dantrolene use during malignant hyperthermia simulations), targeted process improvement or training was implemented. Conclusion: The authors developed, implemented, and refined a systematic method of collecting, analyzing, displaying LSTs, and recommending targeted process improvements or training when LST trends were noted.
