Aplicação do sistema de análise e classificação de fatores humanos à notificação de incidentes críticos em anestesiologia.
CONTEXTO: O Sistema de Análise e Classificação de Fatores Humanos (HFACS) foi criado para servir como uma taxonomia prática para a investigação e análise da contribuição humana para os acidentes e incidentes. Baseado no “Modelo do Queijo Suíço” de Reason, o sistema leva em consideração fatores contribuintes relacionados às pessoas, aos ambientes, às lideranças e às organizações em quatro níveis hierárquicos. O objetivo deste estudo foi avaliar a aplicabilidade de uma taxonomia HFACS modificada aos incidentes notificados e incluídos numa grande base de dados de incidentes críticos anônimos para obter informações valiosas sobre condições subjacentes mais sistêmicas e esquemas recorrentes que possam contribuir para evitar incidentes futuros. MÉTODOS: Analisamos 50 incidentes notificados a um Sistema de Notificação de Incidentes Críticos anônimo em anestesiologia de um único centro usando uma taxonomia HFACS-CIRS modificada. As 19 categorias do sistema HFACS foram subdivididas em um total de 117 nanocódigos que representavam comportamentos ou precondições específicas para a ocorrência de incidentes. RESULTADOS: Ao nível individual, o que mais contribuiu foram os erros de decisão, atribuídos a avaliações de risco inadequadas ou a falhas no pensamento crítico. A comunicação e a coordenação, principalmente a comunicação inadequada ou ineficaz, foram fatores contribuintes em dois terços dos eventos notificados. A metade dos eventos apresentou interações complexas em um ambiente sociotécnico. Os escores foram notavelmente mais baixos nas categorias que avaliavam a influência das lideranças e influências organizacionais, o que requer uma interpretação cuidadosa. CONCLUSÕES: Aplicamos a taxonomia HFACS à análise de incidentes notificados através do sistema CIRS na área de anestesiologia. Esta abordagem estruturada, especialmente quando aplicada a um grande conjunto de dados, poderá orientar estratégias futuras de mitigação e intervenção para reduzir o número de incidentes críticos e melhorar a segurança do paciente. Modelos de notificação mais aprimorados e estruturados poderão otimizar ainda mais a análise sistemática.
BACKGROUND: The Human Factors Analysis and Classification System (HFACS) was developed as a practical taxonomy to investigate and analyse the human contribution to accidents and incidents. Based on Reason's "Swiss Cheese Model", it considers individual, environmental, leadership and organizational contributing factors in four hierarchical levels. The aim of this study was to assess the applicability of a modified HFACS taxonomy to incident reports from a large, anonymous critical incident database with the goal of gaining valuable insight into underlying, more systemic conditions and recurring schemes that might add important information for future incident avoidance. METHODS: We analysed 50 reports from an anonymous, anaesthesiologic, single-centre Critical Incident Reporting System using a modified HFACS-CIRS taxonomy. The 19 HFACS categories were further subdivided into a total of 117 nanocodes representing specific behaviours or preconditions for incident development. RESULTS: On an individual level, the most frequent contributions were decision errors, attributed to inadequate risk assessment or critical-thinking failure. Communication and Coordination, mostly due to inadequate or ineffective communication, was contributory in two-thirds of reports. Half of the reports showed contributory complex interactions in a sociotechnical environment. Ratability scores were noticeably lower for categories evaluating leadership and organizational influences, necessitating careful interpretation. CONCLUSIONS: We applied the HFACS taxonomy to the analysis of CIRS reports in anaesthesiology. This constitutes a structured approach that, especially when applied to a large data set, might help guide future mitigation and intervention strategies to reduce critical incidents and improve patient safety. Improved, more structured reporting templates could further optimize systematic analysis.
