Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Nursing Clinical Information System01:27

Nursing Clinical Information System

864
Nursing Clinical Information System (NCIS)
A Nursing Clinical Information System (NCIS) is a specialized type of healthcare information system tailored to meet the unique needs of nursing practice. It incorporates the principles of nursing informatics to streamline information management and improve the quality of care delivery.
Critical attributes of NCIS include:
864
Hospitals-II00:59

Hospitals-II

828
Hospitals provide inpatient and outpatient services. Inpatient services provide care to patients that stay in the hospital for an extended period, ranging from days to months. Examples of inpatient services include intensive care units, hospital wards, or surgeries. Outpatient services provide care to patients who come to a hospital for a diagnostic or treatment but do not stay overnight —for example, diagnostic tests, surgical procedures, or health education.
Nurses that work in...
828

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Integrated CPR coach and compressor training improves CPR quality in a pediatric emergency department.

Resuscitation·2026
Same author

Building an Adaptable Pediatric Intensive Care Unit Simulation Portfolio: Advancing Efficiency, Flexibility, and Team-based Training.

Pediatric quality & safety·2026
Same author

Situational Awareness of Sepsis by Residents in a Virtual Reality Simulation.

Academic pediatrics·2026
Same author

A Remotely Supported Pediatric Simulation-Based Procedural Training Curriculum for EMS Clinicians: Partnering PECCs and Pediatric Experts at a Distance.

Prehospital emergency care·2026
Same author

To Keep Us on Track: An Equity Dashboard for the Pediatric Emergency Department.

Hospital pediatrics·2025
Same author

Deconstructing Participant Behaviors in Virtual Reality Simulation: Ethnographic Analysis.

JMIR medical education·2025

関連する実験動画

Updated: Sep 9, 2025

Mechanical Ventilation Boot Camp Curriculum
07:36

Mechanical Ventilation Boot Camp Curriculum

Published on: March 12, 2018

10.3K

小児重症室を開設する前にシミュレーションベースの臨床システムのテスト

Benjamin T Kerrey1,2,3, Stephanie Boyd1,2, Jamie Shoemaker1

  • 1Center for Simulation and Research, Cincinnati Children's Hospital Medical Center, Cincinnati, Ohio.

Hospital pediatrics
|August 28, 2025
PubMed
まとめ

シミュレーションベースの臨床システムのテストは,新しい小児重症病棟を開く前に, 1500以上の潜在的安全上の脅威を効果的に特定しました. 障害モードと効果分析を用いたこの積極的なアプローチは 大規模な医療環境における患者の安全性を高めました

さらに関連する動画

Author Spotlight: Learning Systematic Bronchoscopy in a Simulation-Base Setting
04:47

Author Spotlight: Learning Systematic Bronchoscopy in a Simulation-Base Setting

Published on: June 23, 2023

2.8K
Setup and Execution Of the Blindfolded Code Training Exercise
05:25

Setup and Execution Of the Blindfolded Code Training Exercise

Published on: March 29, 2019

9.5K

関連する実験動画

Last Updated: Sep 9, 2025

Mechanical Ventilation Boot Camp Curriculum
07:36

Mechanical Ventilation Boot Camp Curriculum

Published on: March 12, 2018

10.3K
Author Spotlight: Learning Systematic Bronchoscopy in a Simulation-Base Setting
04:47

Author Spotlight: Learning Systematic Bronchoscopy in a Simulation-Base Setting

Published on: June 23, 2023

2.8K
Setup and Execution Of the Blindfolded Code Training Exercise
05:25

Setup and Execution Of the Blindfolded Code Training Exercise

Published on: March 29, 2019

9.5K

科学分野:

  • 医療の安全性
  • 臨床システム工学
  • 小児重症室

背景:

  • 新しい大型集中治療施設 (CCB) の開業は,患者の安全に重大な課題をもたらします.
  • 臨床作業を開始する前に,潜伏する安全性脅威 (LST) の積極的な特定と緩和が不可欠です.

研究 の 目的:

  • 新しい小児CCBでLSTを特定するためのシミュレーションベースの臨床システムテスト (SbCST) を実施し,評価する.
  • 患者の入院前に大規模な医療環境でSbCSTの有効性を評価する.

主な方法:

  • 9 週間にわたる in situ シミュレーションによる 20 のケアユニット/グループを含む SbCST を実施した.
  • 報告とLSTのドキュメンテーションのために,改良されたPromoting Excellence And Reflective Learning (PEARLS) フォーマットを使用しました.
  • LSTをスコア付けし,緩和戦略を開発するために,故障モードと効果分析 (FMEA) を採用した.

主要な成果:

  • 予定されていた141回のシミュレーションセッションのうち128回 (91%) を完了し,238のシナリオを生成しました.
  • 1500のLSTを特定し,シナリオごとに10のミディアンです.
  • LSTの97%にFMEAスコアが割り当てられ,76%が低リスクを示し,63%に緩和が提案された.

結論:

  • SbCSTはLSTを特定するための効果的な方法であり,大型集中治療施設の規模でも有効です.
  • FMEAスコアと緩和分類スキームは,SbCSTプロセスを改善しました.
  • このアプローチは,スケールによる一般化の可能性のある制限にもかかわらず,比較可能な臨床スペースの安全性を高めることができます.