Sommaire de l’article
Un rapport d'investigation est signé, tous les champs requis sont remplis, la cause racine est indiquée, une action corrective est assignée. Administrativement, le dossier est complet. Personne n'a demandé si les scénarios causaux concurrents avaient été testés, si une preuve pouvait contredire la conclusion retenue, ni si l'action assignée s'attaque réellement au mécanisme identifié. Le workflow est clos ; l'incertitude, elle, ne l'est pas.
L'hypothèse de recherche du sous-sujet 6.5 est la suivante : une investigation ne clôt une incertitude matérielle que lorsqu'elle reconstruit l'événement à partir de plusieurs flux de preuve, teste des hypothèses causales concurrentes au niveau sociotechnique approprié, convertit les causes soutenues en actions fortes et traçables, et vérifie ces actions avant clôture.
L'hypothèse est conditionnellement soutenue. La preuve soutient le mécanisme, mais pas un effet causal poolé en fabrication pharmaceutique. Une revue systématique de 21 études de RCA (analyse de cause racine) a trouvé que seules 2 études pouvaient établir une certaine amélioration des soins, tandis que 10 rapportaient des recommandations faibles ; l'hétérogénéité empêchait une estimation d'effet poolé défendable. Une deuxième revue systématique couvrant 25 études et 10 816 événements indésirables a trouvé que les analyses menées par plusieurs personnes formées produisaient davantage de causes racines par événement. Sur 300 investigations d'incidents récentes de 56 services de santé, seuls 57 % reconstruisaient complètement les scènes pertinentes, 22 % utilisaient la littérature scientifique, moins de 1 % l'observation directe, et seulement 45 % montraient un alignement complet entre recommandations et facteurs contributifs identifiés. Dans ce même corpus de 300 rapports, 47 % des facteurs contributifs se concentraient sur la personne ; 51 % des recommandations étaient de force moyenne et 43 % faibles.
Aucune étude pharmaceutique multi-site en libre accès n'a été localisée comparant prospectivement une porte de clôture fondée sur l'incertitude à une clôture administrative ordinaire, et mesurant récurrence, perte de lot, rappel, rupture ou résultat d'inspection. Une affirmation numérique du type « X % de déviations récurrentes en moins » n'est donc pas soutenue.
Partie 1 — Clore l'écart de preuve avant de clore le récit
Un rapport cohérent peut rester incomplet en termes de preuve. La qualité d'investigation commence donc par la recherche délibérée d'informations manquantes et contradictoires.
Kahneman nomme WYSIATI (« what you see is all there is ») la tendance à construire un jugement cohérent à partir de l'information disponible (Thinking, Fast and Slow, 2011, p. 86). Le concept est directement pertinent : une équipe d'investigation peut confondre la cohérence de la preuve déjà collectée avec la complétude de la preuve requise.
Martin-Delgado et al. ont retenu 21 études dans leur revue systématique sur la traduction de la RCA en amélioration de la sécurité patient, issues de 78 notices Medline, 65 Scopus et 26 EMBASE, après dédoublonnage à 127 puis évaluation de 50 textes intégraux. Le diagramme de sélection ne mesure pas l'efficacité de l'investigation ; il documente la base de preuve étroite sur laquelle reposent les conclusions de la revue. Sa figure n'est pas reproduite ici : elle est sous licence CC BY-NC 4.0 (non commerciale), et ce site fait la promotion de services de conseil payants — le même traitement déjà appliqué à cette exacte figure dans l'article sur la détection de récurrence des déviations.
Driesen et al. ont examiné systématiquement 2 773 références et retenu 25 études couvrant 10 816 événements indésirables. Les analyses menées par plusieurs personnes produisaient davantage de causes racines par événement. Les auteurs recommandent de combiner dossiers patients et rapports avec des entretiens, et d'utiliser plusieurs investigateurs formés PRISMA. Ceci soutient une porte de complétude de preuve plutôt que la dépendance à un seul type de rapport ou un seul investigateur.
Bowditch et al. ont ensuite évalué 300 rapports d'investigation de 56 services de santé australiens. Seuls 57 % donnaient une image complète des scènes pertinentes. La littérature scientifique apparaissait dans 22 %, l'observation directe du procédé dans moins de 1 %, les parcours cognitifs guidés dans 4 %. Leur Figure 2 (diagramme hiérarchique des facteurs contributifs par niveau sociotechnique, 677 facteurs soit 47 % concentrés au niveau personne) est sous licence CC BY 4.0 confirmée, mais n'a pas pu être récupérée : le site de l'éditeur oppose un défi anti-robot Cloudflare, et la page d'article PMC bloque désormais son PDF derrière une redirection JavaScript « Preparing to download… » qu'une requête non-navigateur ne peut franchir — la même lacune technique déjà consignée pour ce même article dans la synthèse sur le périmètre causal de l'investigation. Ces résultats numériques sont donc cités en texte, sans reproduction d'image.
Ces constats séparent empiriquement un rapport achevé d'un événement suffisamment reconstruit.
Partie 2 — Tester les causes au niveau système et rejeter les actions faibles
Un récit causal peut être factuellement détaillé tout en s'arrêtant à la personne, la procédure ou l'erreur visible la plus proche. La clôture scientifique exige un modèle qui s'étend au niveau système nécessaire pour expliquer la récurrence, et soutient une action qui change le mécanisme causal.
Kahneman explique que le biais rétrospectif peut amener les investigateurs à juger une décision antérieure à travers le résultat connu plutôt que l'information raisonnablement disponible au moment des faits (2011, p. 197–198). Pour la pratique d'investigation, ceci signifie reconstruire les contraintes contemporaines et la rationalité locale plutôt que de traiter le résultat indésirable comme la preuve que la décision antérieure était manifestement défectueuse.
de Feiter et al., BMJ Open, 2025 — sous licence CC BY 4.0.« Analysis of before-and-after training in the recommendation improvement matrix methodology regarding the influence of the training on the quality of the recommendations. »
Ce que montre la figure : lors d'un atelier de trois heures à une conférence internationale de sécurité patient, la proportion de recommandations satisfaisant les critères de filtre structuré de la matrice d'amélioration des recommandations (RIM) est passée de 63,3 % sur 49 recommandations pré-formation à 83 % post-formation (p = 0,00543). L'étude reste petite et issue d'une conférence ; elle mesure la formulation des recommandations, pas leur implémentation soutenue ni une réduction de récurrence pharmaceutique.
Sur les 21 études retenues par Martin-Delgado et al., les échantillons vont de 20 à 1 707. Seules 2 études, couvrant 54 RCA, ont pu établir une certaine amélioration des soins patient. Dans une étude de 227 RCA incluse dans la revue, 72 % des recommandations pertinentes n'étaient pas formulées, et les recommandations courantes ciblaient les erreurs actives plutôt que les causes latentes.
L'analyse systémique 2026 de 300 investigations a trouvé que 10 % manquaient entièrement de facteurs contributifs ou de recommandations. Elle propose cinq domaines d'amélioration : focalisation sociotechnique, meilleure collecte de données, indépendance d'investigation, investigateurs professionnalisés et apprentissage agrégé. Sa Figure 3 (diagramme en éclatement de la distribution des recommandations par force : 665 recommandations, 51 %, classées moyennes ; 560, 43 %, faibles) subit la même lacune de récupération technique que la Figure 2 du même article, décrite ci-dessus.
Une étude d'évaluation qualité complémentaire trouve un alignement complet facteur-vers-analyse dans seulement 49 % des rapports évaluables, et un alignement complet recommandation-vers-facteur dans 45 % (47 % partiel, 8 % aucun alignement) — faisant de l'« adéquation cause-action » une propriété de clôture mesurable.
Partie 3 — Utiliser l'assistance numérique pour récupérer la preuve, pas pour fabriquer la certitude
Les outils numériques peuvent réduire la charge de recherche et d'extraction, mais la vitesse ne convertit pas une conclusion non étayée en une conclusion défendable. La frontière industriellement utile est l'assistance à la récupération, la comparaison et l'extraction structurée de preuve sous contrôle humain.
Kahneman rapporte qu'encourager les juges à considérer des hypothèses concurrentes peut atténuer l'excès de confiance, et décrit le prémortem comme un moyen structuré de faire émerger des chemins de défaillance négligés avant tout engagement (2011, p. 255–256).
Salami, Smith-Goettler et Yadav ont utilisé 20 rapports réels de déviation de fabrication pharmaceutique pour tester si des grands modèles de langage généralistes (GPT-3.5, GPT-4, Claude-2) pouvaient assister l'extraction et la recherche sémantique. Leur Figure 2 (performance comparative d'extraction sur cinq tâches) montre que GPT-4 et Claude-2 surpassent GPT-3.5 sur la plupart des tâches non triviales, mais que les deux confondent parfois un facteur causal majeur avec la cause racine elle-même. Leur Figure 3 (carte de similarité cosinus par paires sur 20 incidents) montre une similarité élevée entre de nombreuses paires non reliées, simplement parce que tous les enregistrements appartiennent au même domaine de fabrication étroit : la similarité sémantique élevée n'est pas une identité causale. Ces deux figures sont sous licence CC BY-NC-ND 4.0 sur arXiv — non commerciale et sans dérivés — et ne sont donc pas reproduites ici, selon la même grille de licence appliquée dans l'ensemble de cette série éditoriale ; leurs résultats sont cités en texte.
L'étude documente également un site de fabrication fabriqué de toutes pièces par le modèle, alors qu'aucun site n'était mentionné dans le rapport source : une explication apparemment cohérente ne rend pas la réponse vraie.
Conclusion générale
Une investigation ne devrait être close que lorsque son registre d'incertitude — pas seulement son statut de workflow — satisfait des critères d'acceptation définis. Le modèle de clôture le mieux étayé comporte dix éléments :
- Complétude de reconstruction — scènes matérielles, enregistrements, données de procédé, entretiens et preuve de travail réel considérés.
- Discipline d'hypothèses — plusieurs causes plausibles énoncées et exposées à des tests disconfirmants.
- Portée sociotechnique — l'analyse s'étend au-delà de l'opérateur le plus proche lorsque la preuve système le justifie.
- Adéquation cause-action — chaque action correspond à un facteur causal soutenu.
- Force de l'action — les réponses administratives faibles sont rejetées lorsque des contrôles plus forts sont réalisables.
- Preuve d'implémentation — propriétaire, échéance, changement déployé et périmètre affecté enregistrés.
- Preuve d'efficacité — récurrence, indicateurs avancés ou performance de contrôle vérifiés sur une période justifiée.
- Incertitude résiduelle — preuve non résolue et hypothèses restent explicites.
- Contestation indépendante — un réviseur peut reproduire et contester le raisonnement.
- Autorité de clôture — l'humain responsable signe la conclusion scientifique et le risque résiduel.
Un dossier clos sans ces propriétés est un achèvement de workflow, pas une clôture scientifique.
Porte de clôture opérationnelle
Une investigation n'est pas clôturable lorsque l'une des réponses critiques est « non » :
| Question critique | Si « non » |
|---|---|
| La reconstruction de l'événement est-elle assez complète pour expliquer l'état de procédé pertinent ? | Retour à la collecte de preuve |
| Les enregistrements et observations source sont-ils traçables ? | Retour à la collecte de preuve |
| Des causes alternatives plausibles ont-elles été énoncées ? | Générer des hypothèses concurrentes |
| Une preuve capable de réfuter la cause préférée a-t-elle été recherchée ? | Rechercher la preuve disconfirmante |
| Le modèle causal inclut-il les niveaux organisationnels et techniques appropriés ? | Étendre la portée sociotechnique |
| Chaque CAPA correspond-il à un facteur causal soutenu ? | Redéfinir ou rejeter l'action |
| La hiérarchie de force d'action a-t-elle été appliquée ? | Reconcevoir l'action |
| L'implémentation est-elle attestée ? | Collecter la preuve d'implémentation |
| La méthode et la fenêtre d'observation de vérification d'efficacité sont-elles justifiées ? | Définir le protocole d'efficacité |
| Les incertitudes et hypothèses résiduelles sont-elles explicites ? | Documenter l'incertitude résiduelle |
| Un réviseur indépendant a-t-il contesté la chaîne causale ? | Organiser la contestation indépendante |
| L'humain responsable est-il disposé à signer la conclusion et le risque résiduel ? | Escalader avant clôture |
Informations manquantes
- Aucune méta-analyse directement applicable n'a été trouvée ; la base de preuve est trop hétérogène pour une estimation d'effet poolée.
- Aucun essai pharmaceutique prospectif multi-site n'a comparé une clôture fondée sur l'incertitude à une clôture de déviation ordinaire.
- Aucun seuil pharmaceutique validé n'existe pour « preuve suffisante » ou « incertitude résiduelle acceptable ».
- L'étude RIM mesure la formulation des recommandations, pas leur implémentation soutenue ni la réduction de récurrence.
- Les études de qualité d'investigation 2026 concernent des incidents de santé, pas des déviations de fabrication GMP.
- L'étude LLM pharmaceutique est un preprint portant sur 20 rapports et des générations de modèles plus anciennes ; elle ne valide pas une inférence causale autonome.
- Les figures Bowditch (CC BY 4.0, DOI 10.1136/bmjqs-2025-019063) restent techniquement inaccessibles — Cloudflare côté éditeur, redirection JavaScript côté PMC — à revisiter dans une session future avec un accès navigateur.
Sources citées
- Bowditch, L., Molloy, C., King, B., et al. (2026). Assessing the quality of patient safety incident investigation reports. International Journal for Quality in Health Care, 38(3), mzag077. doi.org/10.1093/intqhc/mzag077
- Bowditch, L., Molloy, C., King, B., et al. (2026). Do patient safety incident investigations align with systems thinking? An analysis of contributing factors and recommendations. BMJ Quality & Safety, 35(7), 443–455. doi.org/10.1136/bmjqs-2025-019063
- de Feiter, P., Visser, A., Al Baharnah, A., et al. (2025). Improved quality of recommendations after sentinel event analysis with recommendation improvement matrix training: A before-and-after study at an international patient safety conference. BMJ Open, 15, e101743. doi.org/10.1136/bmjopen-2025-101743
- Driesen, B. E. J. M., Baartmans, M., Merten, H., et al. (2022). Root cause analysis using the Prevention and Recovery Information System for Monitoring and Analysis Method in healthcare facilities: A systematic literature review. Journal of Patient Safety, 18(4), 342–350. doi.org/10.1097/PTS.0000000000000925
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux, p. 86, 197–198, 255–256.
- Martin-Delgado, J., Martínez-García, A., Aranaz, J. M., Valencia-Martín, J. L., & Mira, J. J. (2020). How much of root cause analysis translates into improved patient safety: A systematic review. Medical Principles and Practice, 29(6), 524–531. doi.org/10.1159/000508677
- Salami, H., Smith-Goettler, B., & Yadav, V. (2024). Can foundational large language models assist with conducting pharmaceuticals manufacturing investigations? arXiv. arxiv.org/abs/2404.15578
Date limite de preuve : 3 août 2026.
An investigation report is signed, every required field is filled in, a root cause is stated, a corrective action is assigned. Administratively, the record is complete. Nobody asked whether competing causal scenarios were tested, whether evidence could contradict the retained conclusion, or whether the assigned action actually addresses the identified mechanism. The workflow is closed; the uncertainty is not.
Subtopic 6.5's research hypothesis is: an investigation closes material uncertainty only when it reconstructs the event from multiple evidence streams, tests competing causal hypotheses at the appropriate sociotechnical level, converts supported causes into strong and traceable actions, and verifies those actions before closure.
The hypothesis is conditionally supported. The evidence supports the mechanism, but not a pooled causal effect in pharmaceutical manufacturing. A systematic review of 21 root-cause-analysis studies found that only 2 studies could establish some improvement in patient care, while 10 reported weak recommendations; heterogeneity prevented a defensible pooled effect estimate. A second systematic review covering 25 studies and 10,816 unintended events found that analyses by multiple trained people produced more root causes per event. Across 300 recent incident investigations from 56 health services, only 57% reconstructed the relevant scenes completely, 22% used scientific literature, fewer than 1% used direct observation, and only 45% showed full alignment between recommendations and identified contributing factors. In that same 300-report corpus, 47% of contributing factors focused on people; 51% of recommendations were medium-strength and 43% weak.
No open, multi-site pharmaceutical study was located that prospectively compared an uncertainty-based closure gate with ordinary administrative closure and measured recurrence, batch loss, recall, shortage, or inspection outcome. A numerical claim such as "X% fewer recurring deviations" is therefore unsupported.
Part 1: Close the evidence gap before closing the narrative
A coherent report can still be evidentially incomplete. Investigation quality therefore begins with the deliberate search for missing and contradictory information.
Kahneman names the tendency to construct a coherent judgment from available information WYSIATI: "what you see is all there is" (Thinking, Fast and Slow, 2011, p. 86). The concept is directly relevant: an investigation team can mistake the coherence of the evidence already collected for completeness of the evidence required.
Martin-Delgado et al. retained 21 studies in their systematic review of RCA's translation into improved patient safety, drawn from 78 Medline, 65 Scopus and 26 EMBASE records, reduced to 127 after deduplication and 50 full texts assessed. The study-selection flow diagram does not measure investigation effectiveness; it documents the narrow evidence base on which the review's conclusions rest. Its figure is not reproduced here: it is licensed CC BY-NC 4.0 (non-commercial), and this site promotes paid consulting services — the same treatment already given this exact figure in the deviation-recurrence-detection article.
Driesen et al. systematically reviewed 2,773 references and retained 25 studies covering 10,816 unintended events. Analyses performed by multiple people produced more root causes per event. The authors recommended combining patient files and reports with interviews and using multiple PRISMA-trained investigators. This supports an evidence-completeness gate rather than reliance on one report type or one investigator.
Bowditch et al. then evaluated 300 investigation reports from 56 Australian health services. Only 57% gave a complete picture of the relevant scenes. Scientific literature appeared in 22%, direct process observation in fewer than 1%, cognitive walkthroughs in 4%. Their Figure 2 (hierarchical diagram of contributing factors by sociotechnical level, 677 factors, 47%, concentrated at the person level) is confirmed CC BY 4.0, but could not be fetched: the publisher's site returns a Cloudflare bot challenge, and the PMC article page now gates its PDF behind a JavaScript "Preparing to download..." redirect a non-browser fetch cannot pass — the same unresolved technical gap already logged for this identical paper in the investigation-system-boundary synthesis. These numeric findings are therefore cited in text, without image reproduction.
These findings empirically separate a finished report from a sufficiently reconstructed event.
Part 2: Test causes at system level and reject weak actions
A causal narrative can be factually detailed but still stop at the nearest person, procedure or visible error. Scientific closure requires a model that spans the system level needed to explain recurrence and supports an action that changes the causal mechanism.
Kahneman explains that hindsight can make investigators assess a prior decision through the known outcome rather than the information reasonably available at the time (2011, pp. 197–198). For investigation practice, this means reconstructing contemporaneous constraints and local rationality rather than treating the adverse outcome as proof that the earlier decision was obviously defective.
de Feiter et al., BMJ Open, 2025 — licensed CC BY 4.0.“Analysis of before-and-after training in the recommendation improvement matrix methodology regarding the influence of the training on the quality of the recommendations.”
What the figure shows: at a three-hour workshop held at an international patient-safety conference, the proportion of recommendations meeting structured Recommendation Improvement Matrix (RIM) filter criteria rose from 63.3% among 49 pre-training recommendations to 83% post-training (p = 0.00543). The study remains small and conference-based; it measures recommendation formulation, not sustained implementation or pharmaceutical recurrence reduction.
Across the 21 studies Martin-Delgado et al. retained, sample sizes ranged from 20 to 1,707. Only 2 studies, covering 54 RCAs, could establish some patient-care improvement. In a 227-RCA study included in the review, 72% of relevant recommendations were not formulated, and common recommendations targeted active errors rather than latent causes.
The 2026 systems-thinking analysis of 300 investigations found that 10% lacked contributing factors or recommendations entirely. It proposed five improvement domains: sociotechnical focus, better data collection, investigative independence, professionalised investigators and aggregated learning. Its Figure 3 (sunburst distribution of recommendations by strength: 665 recommendations, 51%, classified medium; 560, 43%, weak) suffers the same technical retrieval gap as Figure 2 from the same paper, described above.
A complementary quality-assessment study found full factor-to-analysis alignment in only 49% of assessable reports, and full recommendation-to-factor alignment in 45% (47% partial, 8% no alignment) — making "causal-action fit" a measurable closure property.
Part 3: Use digital assistance to retrieve evidence, not manufacture certainty
Digital tools can reduce search and extraction burden, but speed does not convert an unsupported conclusion into a defensible one. The industrially useful boundary is assistance with evidence retrieval, comparison and structured extraction under human control.
Kahneman reports that encouraging judges to consider competing hypotheses can mitigate overconfidence, and describes the premortem as a structured way to surface neglected failure paths before commitment (2011, pp. 255–256).
Salami, Smith-Goettler and Yadav used 20 real pharmaceutical-manufacturing deviation reports to test whether general-purpose large language models (GPT-3.5, GPT-4, Claude-2) could assist extraction and semantic search. Their Figure 2 (comparative extraction performance across five tasks) shows GPT-4 and Claude-2 outperform GPT-3.5 on most non-trivial tasks, but both sometimes confuse a major causal factor with the root cause itself. Their Figure 3 (pairwise cosine-similarity map across 20 incidents) shows high similarity among many unrelated pairs, simply because all records belong to the same narrow manufacturing domain: high semantic similarity is not causal identity. Both figures are licensed CC BY-NC-ND 4.0 on arXiv — non-commercial and no-derivatives — and are therefore not reproduced here, per the same licence gate applied throughout this editorial series; their findings are cited in text.
The study also documents a fabricated manufacturing site invented by the model, where no site was stated in the source report: an apparently coherent explanation did not make the answer true.
Overall conclusion
An investigation should be closed only when its uncertainty ledger — not merely its workflow status — satisfies defined acceptance criteria. The best-supported closure model has ten elements:
- Reconstruction completeness — material scenes, records, process data, interviews and work-as-done evidence considered.
- Hypothesis discipline — multiple plausible causes stated and exposed to disconfirming tests.
- Sociotechnical reach — analysis extends beyond the nearest operator when system evidence warrants it.
- Causal-action fit — each action maps to a supported causal factor.
- Action strength — weak administrative responses are rejected where stronger controls are feasible.
- Implementation evidence — owner, due date, deployed change and affected scope recorded.
- Effectiveness evidence — recurrence, leading indicators or control performance checked over a justified period.
- Residual uncertainty — unresolved evidence and assumptions remain explicit.
- Independent challenge — a reviewer can reproduce and contest the reasoning.
- Closure authority — the accountable human signs the scientific conclusion and residual risk.
A closed record without those properties is workflow completion, not scientific closure.
Operational closure gate
An investigation is not closable when any critical answer is "no":
| Critical question | If "no" |
|---|---|
| Is the event reconstruction complete enough to explain the relevant process state? | Back to evidence collection |
| Are source records and observations traceable? | Back to evidence collection |
| Have plausible alternative causes been stated? | Generate competing hypotheses |
| Has evidence capable of disproving the preferred cause been sought? | Seek disconfirming evidence |
| Does the causal model include the appropriate organizational and technical levels? | Extend sociotechnical reach |
| Does every CAPA map to a supported causal factor? | Redesign or reject the action |
| Has the action-strength hierarchy been applied? | Redesign the action |
| Is implementation evidenced? | Collect implementation evidence |
| Is the effectiveness-check method and observation window justified? | Define the effectiveness protocol |
| Are residual uncertainties and assumptions explicit? | Document residual uncertainty |
| Has an independent reviewer challenged the causal chain? | Arrange independent challenge |
| Is the accountable human willing to sign the conclusion and residual risk? | Escalate before closure |
Missing information
- No directly applicable meta-analysis was found; the evidence base is too heterogeneous for a pooled effect estimate.
- No prospective, multi-site pharmaceutical trial compared uncertainty-based closure with ordinary deviation closure.
- No validated pharmaceutical threshold exists for "enough evidence" or "acceptable residual uncertainty."
- The RIM study measures recommendation formulation, not sustained implementation or recurrence reduction.
- The 2026 investigation-quality studies concern healthcare incidents, not GMP manufacturing deviations.
- The pharmaceutical LLM study is a preprint with 20 reports and older model generations; it does not validate autonomous causal inference.
- The Bowditch figures (CC BY 4.0, DOI 10.1136/bmjqs-2025-019063) remain technically inaccessible — publisher-side Cloudflare, PMC-side JavaScript redirect — to revisit in a future session with browser-based access.
Sources cited
- Bowditch, L., Molloy, C., King, B., et al. (2026). Assessing the quality of patient safety incident investigation reports. International Journal for Quality in Health Care, 38(3), mzag077. doi.org/10.1093/intqhc/mzag077
- Bowditch, L., Molloy, C., King, B., et al. (2026). Do patient safety incident investigations align with systems thinking? An analysis of contributing factors and recommendations. BMJ Quality & Safety, 35(7), 443–455. doi.org/10.1136/bmjqs-2025-019063
- de Feiter, P., Visser, A., Al Baharnah, A., et al. (2025). Improved quality of recommendations after sentinel event analysis with recommendation improvement matrix training: A before-and-after study at an international patient safety conference. BMJ Open, 15, e101743. doi.org/10.1136/bmjopen-2025-101743
- Driesen, B. E. J. M., Baartmans, M., Merten, H., et al. (2022). Root cause analysis using the Prevention and Recovery Information System for Monitoring and Analysis Method in healthcare facilities: A systematic literature review. Journal of Patient Safety, 18(4), 342–350. doi.org/10.1097/PTS.0000000000000925
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux, pp. 86, 197–198, 255–256.
- Martin-Delgado, J., Martínez-García, A., Aranaz, J. M., Valencia-Martín, J. L., & Mira, J. J. (2020). How much of root cause analysis translates into improved patient safety: A systematic review. Medical Principles and Practice, 29(6), 524–531. doi.org/10.1159/000508677
- Salami, H., Smith-Goettler, B., & Yadav, V. (2024). Can foundational large language models assist with conducting pharmaceuticals manufacturing investigations? arXiv. arxiv.org/abs/2404.15578
Evidence cut-off: 3 August 2026.
Voir aussi
- Pharmaceutical Evidence-to-Decision Assurance Le mandat qui relie donnée régulée, décision et dossier d’inspection.
- Data & outillage Outils systèmes, indexation et persistance vérifiables, écrits pour durer.
- Calculateur de mission Chiffrer l’enveloppe de ce type de mission, calcul local et reproductible.