Sommaire de l’article
Un registre de risques affiche 240 lignes, chacune cotée en sévérité, occurrence et détectabilité, chacune coloriée rouge, jaune ou vert. Douze lignes sont rouges depuis quatorze mois. Aucune ne porte de propriétaire nommé, de date d’échéance ni de preuve de vérification — seulement un score et une couleur. Une revue qualité conclut que le registre est « à jour » parce que chaque ligne a été recotée dans les délais prévus. Aucune des lignes rouges n’a pourtant changé d’état depuis sa première évaluation : le registre a été maintenu, pas décidé.
Un registre de risques ne devient un système de gestion des risques qualité effectif que lorsque les risques matériels sont sélectionnés par des critères de décision explicites, convertis en mitigations possédées et bornées dans le temps, puis clos après qu’une preuve démontre un état de risque résiduel acceptable.
- Danger relié à une preuve
- Énoncé de risque
- Seuil de décision atteint ?
- Décision de priorité
- Propriétaire nommé + action + échéance
- Mitigation mise en œuvre
- Preuve de risque résiduel et de résultat
- Critères d’acceptation atteints ? → clôture documentée
Un registre peut satisfaire indéfiniment les étapes 1 et 2 sans jamais franchir l’étape 3. Trois parties, trois maillons de cette même chaîne : la partie 1 convertit la population de risques en décision de priorité, la partie 2 convertit la décision en mitigation possédée, la partie 3 convertit la mitigation en clôture fondée sur la preuve.
Ce que couvre ce sous-chapitre
Cette synthèse porte sur le mécanisme de conversion : comment un risque identifié devient une décision de priorité, comment cette décision devient une mitigation possédée, et comment cette mitigation devient une clôture fondée sur la preuve. Elle est délibérément plus étroite que les sous-chapitres voisins :
| Sous-chapitre | Question posée | Ce que 8.1 ne couvre pas |
|---|---|---|
| 8.2 | Traçabilité d’une priorité au produit, au patient et à la preuve | La chaîne de traçabilité elle-même |
| 8.3 | Insuffisance d’une communication de risque fondée sur la seule couleur | La sémantique de représentation du risque |
| 8.4 | Gouvernance organisationnelle du système de risque | La structure de gouvernance |
| 8.5 | Champs obligatoires — justification, propriétaire, voie de sortie | Le schéma de champs obligatoires |
La littérature ouverte disponible au 4 août 2026 soutient de façon conditionnelle l’hypothèse de travail : la synthèse la plus solide identifiée regroupe 12 études et 36 887 participants ; l’évaluation structurée du risque y est associée à des RPN de processus plus faibles, à un rapport de cotes d’infection nosocomiale de 0,50 (IC 95 % : 0,39–0,64) et à une réduction de séjour hospitalier de 3,36 jours. Mais 11 des 12 études sont observationnelles et l’hétérogénéité des résultats RPN est élevée (I² = 75–98 %) : le résultat soutient le mécanisme et la direction de l’effet, pas une estimation causale universelle transposable à la fabrication pharmaceutique.
Partie 1 — Convertir la population de risques en décision de priorité
Un score de risque n’est pas, en lui-même, une décision. Peter Drucker définit une décision effective comme reposant sur des conditions-limites explicites : des objectifs minimaux, mesurables, connus avant que l’action ne commence. Appliqué à la gestion des risques qualité, un score RPN ne devient une décision que lorsqu’une organisation a défini, par avance, la condition qui déclenche le traitement, l’escalade, la surveillance ou l’acceptation (Drucker, 2006, p. 130). Le passage n’a pas été revérifié dans une édition spécifique au-delà de la page indiquée par le corpus de recherche ; la référence porte sur le concept de condition-limite préalable à la décision, pas sur une citation littérale plus large de l’ouvrage.
« Histogram of the distribution of the RPNs for 114 potential failure modes (baseline FMEA). »
L’histogramme couvre 114 modes de défaillance identifiés dans six processus centraux d’un centre d’essais cliniques : 28 (24,6 %) en risque faible, 72 (63,2 %) en risque modéré et 14 (12,3 %) en risque élevé, selon un seuil RPN > 160 fixé avant la cotation. La figure convertit une population de risques indifférenciée en un sous-ensemble prioritaire visible ; elle ne montre pas encore d’action corrective.
Zhang et al., Frontiers in Medicine, 2026 — sous licence CC BY 4.0.« Pareto analysis of failure modes (Top 15). »
Ce que montre la figure : les valeurs RPN des causes de défaillance vont d’environ 125 (conformité à l’hygiène des mains) à 48 (ségrégation des zones patient) ; la courbe cumulée franchit le seuil de 80 % au onzième élément classé, délimitant un sous-ensemble fini de causes prioritaires parmi une liste plus longue. Ce que la figure ne montre pas : elle établit une frontière de sélection, pas une preuve qu’une action a ensuite été mise en œuvre sur ces causes, ni qu’elle a réduit le risque.
La méta-analyse de Li & Xu regroupe 12 études (36 887 participants, dont 11 études observationnelles et un seul essai randomisé) et rapporte des différences moyennes de RPN de −101,90 pour l’évaluation inexacte du patient, −103,24 pour la non-observance de l’hygiène des mains et −84,92 pour les brèches de technique aseptique après une évaluation structurée du risque. L’hétérogénéité des résultats RPN est élevée (I² = 75–98 %), ce qui interdit de traiter ces valeurs comme un effet unique directement transposable à la fabrication pharmaceutique (Frontiers in Public Health, 2026).
Une revue de portée de Vecchia et coll., portant sur 163 études FMEA en santé et 9 564 modes de défaillance identifiés, constate que seules 122 études (74,85 %) rapportent des actions correctives spécifiques, et qu’une seule étude incluse est randomisée (Healthcare, 2025). Ce constat justifie de restreindre le présent article aux figures montrant une action ou une réévaluation, pas seulement un registre rempli.
Cette première partie répond à « le sous-ensemble prioritaire est-il visible et borné ? ». Elle ne répond pas à « qui est responsable de le traiter, et avec quelle échéance ? ». C’est la question de la deuxième partie.
Partie 2 — Convertir la décision de priorité en mitigation possédée
Drucker est direct sur ce point : « aucune décision n’a été prise tant que sa mise en œuvre […] n’est devenue la tâche et la responsabilité de quelqu’un » (Drucker, 2006, p. 136). Il exige aussi d’identifier qui doit être informé, quelle action est requise et qui doit l’exécuter. Transposé à la gestion des risques qualité : une priorité sans propriétaire nommé, sans action spécifique et sans échéance n’est pas encore une décision, quel que soit son score.
Kisling et al., Medical Physics, 2019 — sous licence CC BY 4.0.« Histogram of the risk priority numbers (RPN) for all potential failure modes identified for automatic planning of a cervical cancer treatment using the radiation planning assistant (RPA) with (blue) and without (red) the quality assurance (QA) program. »
Ce que montre la figure : sur 113 causes de défaillance identifiées pour la planification automatisée d’un traitement du cancer du col de l’utérus, la distribution sans programme QA (rouge) s’étend jusqu’à un RPN maximal de 504, contre 315 avec le programme (bleu), avec un déplacement net vers les valeurs basses. Ce que la figure ne montre pas : elle mesure un score composite ; elle n’indique pas, seule, si la réduction provient de la sévérité, de l’occurrence ou de la détectabilité — c’est l’objet de la figure suivante.
Kisling et al., Medical Physics, 2019 — sous licence CC BY 4.0.« Histogram of the detectability score (D) for all potential failure modes identified for automatic planning of a cervical cancer treatment using the radiation planning assistant (RPA) with (blue) and without (red) the quality assurance (QA) program. »
Ce que montre la figure : le score de détectabilité médian passe de 5,0 sans programme QA à 3,0 avec le programme ; les auteurs attribuent la majeure partie de la réduction du RPN total à une détectabilité accrue plutôt qu’à un changement de sévérité intrinsèque. Ce que la figure ne montre pas : un lien de causalité isolé — le programme QA modifie plusieurs axes du procédé simultanément, la figure documente l’un des mécanismes, pas l’ensemble de la chaîne causale.
Le résultat de la méta-analyse converge avec ce mécanisme : les plus fortes réductions de RPN concernent des catégories où un contrôle spécifique et attribuable peut être conçu — évaluation du patient, hygiène des mains, technique aseptique — plutôt qu’une réduction uniforme et non ciblée. L’hétérogénéité élevée des résultats RPN indique cependant que l’ampleur exacte d’une réduction ne doit pas être considérée comme portable d’un contexte à l’autre (Frontiers in Public Health, 2026).
priorité
identifiée + action générique non attribuée — sans mécanisme spécifique ni échéance.propriétaire nommé +
action liée à un axe précis (S, O ou D) + échéance + preuve attendueLa décision de mitigation doit donc porter, au minimum : propriétaire → contrôle → échéance → preuve attendue → méthode de réévaluation. Reste alors la question de la clôture : comment vérifier que la mitigation a réellement produit l’effet attendu. C’est l’objet de la troisième partie.
Partie 3 — Convertir la mitigation en clôture fondée sur la preuve
Drucker exige une boucle de retour qui teste en continu les hypothèses sous-jacentes à la décision face aux événements réels (Drucker, 2006, p. 139). Appliqué à la gestion des risques qualité : une mitigation ne peut être considérée close parce qu’une action a été achevée ; la clôture exige une preuve que l’état de contrôle attendu, ou le résultat, s’est produit.
Zhang et al., Frontiers in Medicine, 2026 — sous licence CC BY 4.0.« Multi-dimensional improvement radar chart. »
Ce que montre la figure : les six domaines — hygiène des mains, prévention VAP/CRBSI/CAUTI, fréquence de désinfection renforcée, évaluation du nettoyage environnemental, coordination multi-services MDRO, gestion des blouses visiteurs — progressent tous après intervention, pour une amélioration moyenne de +39,1 points sur une échelle à 100. Ce que la figure ne montre pas : un contrôle randomisé — les populations pré- et post-intervention ne se recoupent pas, la comparaison reste un devis avant/après à cohorte unique.
Zhang et al., Frontiers in Medicine, 2026 — sous licence CC BY 4.0.« High-risk failure modes-RPN comparison pre vs. post intervention with reduction rate. »
Ce que montre la figure : les six causes ciblées passent d’un RPN moyen de 94,2 à 45,3, soit une réduction agrégée de 51,9 % ; les réductions individuelles vont de −25 % (prévention VAP/CRBSI/CAUTI) à −75 % (évaluation du nettoyage environnemental). Ce que la figure ne montre pas : un résultat patient indépendant — c’est l’objet du paragraphe suivant, pas de cette figure.
La même étude compare 2 975 patients pré-intervention à 1 522 patients post-intervention (janvier–décembre 2024 contre janvier–juin 2025, cohortes non chevauchantes). L’incidence des infections associées aux soins recule de 2,6 % à 1,6 % (réduction relative de 36,7 %, χ² = 4,062, p < 0,05) ; l’observance de l’hygiène des mains passe de 72,2 % à 88,9 % (p < 0,05) ; le taux de retrait du marqueur fluorescent passe de 36,1 % à 76,0 %. Ce devis pré/post à cohorte unique, non randomisé, permet d’étayer une clôture opérationnelle mais n’établit pas une causalité isolée (Frontiers in Medicine, 2026).
Au niveau de la synthèse, la méta-analyse de Li & Xu rapporte un rapport de cotes d’infection nosocomiale de 0,50 (IC 95 % : 0,39–0,64) et une réduction de la durée de séjour de 3,36 jours (IC 95 % : 2,94–3,77), avec une hétérogénéité plus faible pour les résultats cliniques (I² = 0–49 %) que pour les résultats RPN ; elle rappelle toutefois que 11 des 12 études incluses sont observationnelles. Ce résultat soutient l’appariement d’une preuve de RPN résiduel à un résultat patient, produit ou procédé indépendant, plutôt que la seule diminution d’un score composite (Frontiers in Public Health, 2026).
La clôture exige donc deux preuves complémentaires : une preuve de contrôle — la mitigation prévue a été mise en œuvre et a modifié l’occurrence, la détectabilité ou l’exposition — et une preuve de résultat — une mesure pertinente pour le patient, le produit ou le procédé évolue dans le sens attendu sans créer de risque nouveau inacceptable. « Action achevée » reste un statut de cycle de vie intermédiaire, pas un critère de clôture.
Catalogue indexé des figures
| Figure | Source et localisation | Contenu empirique | Fonction dans la chaîne de décision |
|---|---|---|---|
| 1 | Lee et al., 2017, Figure 2 (texte seul, CC BY-NC) | Distribution des RPN pour 114 modes de défaillance | Population de risques → sous-ensemble visible |
| 2 | Zhang et al., 2026, Figure 4 | Analyse de Pareto des causes de défaillance | Sous-ensemble visible → frontière de décision |
| 3 | Kisling et al., 2019, Figure 2 | Distribution de RPN avec/sans programme QA | Décision de priorité → contrôle mis en œuvre |
| 4 | Kisling et al., 2019, Figure 3 | Distribution du score de détectabilité avec/sans QA | Identifie le mécanisme du contrôle (détectabilité) |
| 5 | Zhang et al., 2026, Figure 5 | Radar d’amélioration multidimensionnelle | Contrôle mis en œuvre → preuve de contrôle multidimensionnelle |
| 6 | Zhang et al., 2026, Figure 6 | Comparaison RPN avant/après par cause | Contrôle mis en œuvre → réduction de risque résiduel |
Décisions d’intégrité des figures
- La Figure 1 (Lee et al.) est cotée en texte seul : son article est publié sous licence CC BY-NC 3.0, qui autorise la reproduction non commerciale uniquement ; ce site fait la promotion de services de conseil et de calcul de mission payants, ce qui exclut la reproduction de l’image ici (même règle que pour la figure Martin-Delgado des articles 5.1 et 5.3 de cette série).
- La Figure 1 de Zhang et al. (« Flowchart of hospital infection management and control ») est un diagramme de processus conceptuel, pas un résultat empirique : exclue du catalogue.
- La Figure 7 de Zhang et al. porte la légende « Evaluation of environmental cleaning and disinfection quality », mais son contenu rapporté couvre plusieurs indicateurs d’infection et d’observance au-delà du seul nettoyage environnemental ; la correspondance légende–contenu n’étant pas suffisamment univoque pour un catalogue contrôlé, la figure est exclue.
Dix constats à haute convergence tirés des figures
- Une condition-limite doit précéder toute cotation : un seuil doit correspondre à une règle de décision explicite.
- Une distribution de risques porte plus d’information qu’une classe de couleur : l’histogramme révèle la concentration, la traîne et les valeurs extrêmes.
- La sélection de Pareto convertit une analyse en un portefeuille d’intervention gérable.
- Un propriétaire fait partie de la décision, pas un champ administratif ajouté après coup.
- Les contrôles affectent en général plus facilement l’occurrence et la détectabilité que la sévérité intrinsèque.
- Une réduction de RPN total doit être décomposée par S, O et D pour identifier le mécanisme réel.
- Le risque résiduel doit être réévalué avec la même méthode, ou une méthode révisée et justifiée.
- Une mitigation achevée n’est pas synonyme de mitigation efficace.
- Des résultats patient, produit ou procédé devraient corroborer le score de risque résiduel.
- Un risque clos exige une preuve conservée, des critères d’acceptation, un approbateur et une règle de réouverture.
Ce sont des synthèses tirées des six figures empiriques et de la méta-analyse, pas des citations ou des conclusions d’étude isolées.
Le schéma de décision, en clair
| Étape | Question | Suite |
|---|---|---|
| 1. Seuil | Le score franchit-il le seuil de décision prédéfini ? | Non → surveillance avec date de revue. Oui → étape suivante. |
| 2. Priorité | Le risque entre-t-il dans le sous-ensemble prioritaire borné (ex. Pareto 80 %) ? | Non → réévaluation périodique. Oui → étape suivante. |
| 3. Propriété | Un propriétaire nommé, une action et une échéance sont-ils assignés ? | Non → décision non prise (Drucker). Oui → mise en œuvre. |
| 4. Mécanisme | L’action modifie-t-elle un axe identifié (S, O ou D), ou une condition contrôlée ? | Non, sensibilisation seule → exiger un contrôle plus robuste. Oui → étape suivante. |
| 5. Preuve de contrôle | Une mesure post-implémentation confirme-t-elle le changement attendu ? | Non → risque maintenu ouvert. Oui → étape suivante. |
| 6. Preuve de résultat | Un résultat patient, produit ou procédé évolue-t-il dans le sens attendu, sans effet indésirable ? | Non → réouverture ou refonte de la mitigation. Oui → clôture approuvée. |
Un enregistrement risk_decision_record porte, au minimum, ces champs :
risk_id
product_or_process
patient_or_product_effect
source_evidence
risk_statement
severity / occurrence / detectability
priority_decision
decision_rationale
owner
mitigation
due_date
expected_control_effect
verification_method
baseline_measure
post_control_measure
residual_risk
acceptance_criteria
approver
closure_evidence
closure_date
reopen_triggerConclusion — la preuve de la conversion, pas la couleur du champ
Les figures convergent vers une transition défendable en cinq temps :
risque coté → décision de priorité → mitigation possédée → preuve
de contrôle → preuve de résultat
Chaque maillon a sa propre cadence :
L’hypothèse de travail reste validée de façon conditionnelle : la littérature disponible démontre le mécanisme et la direction de l’effet en santé, sans fournir d’estimation agrégée et prospective pour la fabrication pharmaceutique.
Ce qui reste incertain
- Aucune source qualifiante ne fournit d’étude prospective multi-site en fabrication pharmaceutique reliant un score RPN résiduel à un taux de rejet de lot, de rappel ou de défaillance d’assurance de stérilité.
- Aucune comparaison directe n’oppose des registres fondés sur la seule cotation RPN à des registres centrés sur la décision (propriétaire, échéance, critères d’acceptation prédéfinis).
- Le rapport de cotes agrégé de 0,50 et la réduction de séjour de 3,36 jours proviennent d’un corpus très majoritairement observationnel (11 études sur 12) et centré sur la prévention des infections en soins critiques, pas sur la fabrication pharmaceutique.
- Le seuil RPN > 160 utilisé par Lee et coll. et les seuils utilisés par Zhang et coll. ne sont pas comparables terme à terme : l’hétérogénéité des échelles de cotation (I² = 75–98 % pour les résultats RPN) interdit un score RPN universel transposable d’une organisation à l’autre.
- Aucune période minimale d’observation post-mitigation n’est validée universellement ; rien ne démontre qu’une seule fenêtre sans récidive prouve une élimination causale permanente.
- Les pages de Drucker citées n’ont pas été revérifiées dans une édition spécifique au-delà des numéros de page fournis par le corpus de recherche ; le transfert de son modèle de décision à la gestion des risques qualité reste analogique, pas une source réglementaire.
Un benchmark ouvert pour tester l’hypothèse
Un artefact neutre vis-à-vis du domaine permettrait de tester cette architecture sans publier la
moindre donnée GMP réelle : qrm-risk-to-decision-benchmark.
qrm-risk-to-decision-benchmark/
├── schema/ risk-statement, priority-decision, mitigation-record,
│ residual-evidence, closure-decision
├── data/ cas de registre de risques pharmaceutiques synthétiques
├── tests/ seuil de priorité sans justification, mitigation sans
│ propriétaire/échéance, clôture sans preuve de résultat
└── docs/ hypothèse, gradation de la preuve, protocole du benchmarkL’hypothèse testable centrale :
Des registres exigeant un seuil de décision explicite, un propriétaire nommé et des critères d’acceptation prédéfinis produisent moins de clôtures prématurées que des registres reposant sur la seule classification RPN.
Si cette chaîne de conversion recoupe une décision que vous devez déjà défendre en environnement réglementé, le programme Assurance preuve-décision pharmaceutique part du même principe : la preuve avant l’affirmation.
Sources citées
- Drucker, P. F. (2006). The Effective Executive: The Definitive Guide to Getting the Right Things Done. HarperCollins, pp. 130, 136, 139.
- Lee, H., Lee, H., Baik, J., Kim, H., & Kim, R. (2017). Failure mode and effects analysis drastically reduced potential risks in clinical trial conduct. Drug Design, Development and Therapy, 11, 3035–3043. doi.org/10.2147/DDDT.S145310.
- Kisling, K., Johnson, J. L., Simonds, H., et al. (2019). A risk assessment of automated treatment planning and recommendations for clinical deployment. Medical Physics, 46(6), 2567–2574. doi.org/10.1002/mp.13512.
- Li, J., & Xu, Y. (2026). Impact of structured risk assessment on nosocomial infection prevention in the intensive care unit and related high-risk hospital settings: A systematic review and meta-analysis. Frontiers in Public Health, 14, 1830857. doi.org/10.3389/fpubh.2026.1830857.
- Vecchia, M., Sacchi, P., Marvulli, L. N., Ragazzoni, L., Muzzi, A., Polo, L., Bruno, R., & Salio, F. (2025). Healthcare application of Failure Mode and Effect Analysis (FMEA): Is there room in the infectious disease setting? A scoping review. Healthcare, 13(1), 82. doi.org/10.3390/healthcare13010082.
- Zhang, M., Ku, T., Jia, H., Wang, Y., Zhou, J., & Zhang, W. (2026). Application of failure mode and effects analysis combined with bundled management measures in reducing ICU-acquired infections. Frontiers in Medicine, 13, 1801802. doi.org/10.3389/fmed.2026.1801802.
A risk register lists 240 rows, each scored for severity, occurrence and detectability, each coloured red, amber or green. Twelve rows have been red for fourteen months. None carries a named owner, a due date or verification evidence — only a score and a colour. A quality review concludes the register is "up to date" because every row was rescored on schedule. None of the red rows has changed state since its first assessment: the register was maintained, not decided.
A risk register becomes an effective quality risk management system only when material risks are selected using explicit decision criteria, converted into owned and time-bound mitigations, and closed after evidence demonstrates an acceptable residual-risk state.
- Evidence-linked hazard
- Risk statement
- Decision threshold met?
- Priority decision
- Named owner + action + due date
- Mitigation implemented
- Residual-risk and outcome evidence
- Acceptance criteria met? → documented closure
A register can satisfy steps 1 and 2 indefinitely without ever reaching step 3. Three parts, three links in the same chain: part 1 converts the risk population into a priority decision, part 2 converts the decision into an owned mitigation, part 3 converts the mitigation into evidence-based closure.
What this subtopic covers
This synthesis concerns the conversion mechanism: how an identified risk becomes a priority decision, how that decision becomes an owned mitigation, and how that mitigation becomes an evidence-based closure. It is deliberately narrower than the neighbouring subtopics:
| Subtopic | Question asked | What 8.1 does not cover |
|---|---|---|
| 8.2 | Traceability of a priority to product, patient and evidence | The traceability chain itself |
| 8.3 | Inadequacy of colour-only risk communication | The semantics of risk representation |
| 8.4 | Organizational governance of the risk system | The governance structure |
| 8.5 | Mandatory fields — rationale, owner, exit path | The mandatory-field schema |
The open literature available as of August 4, 2026 conditionally supports the working hypothesis: the strongest synthesis located pools 12 studies and 36,887 participants; structured risk assessment is associated with lower process RPNs, a nosocomial-infection odds ratio of 0.50 (95% CI 0.39–0.64) and a 3.36-day reduction in hospital stay. But 11 of the 12 studies are observational and RPN-outcome heterogeneity is high (I² 75–98%): the result supports the mechanism and the direction of the effect, not a universal causal estimate transferable to pharmaceutical manufacturing.
Part 1 — Converting the risk population into a priority decision
A risk score is not, by itself, a decision. Peter Drucker defines an effective decision as resting on explicit boundary conditions: minimum, measurable objectives known before action begins. Applied to quality risk management, an RPN score becomes a decision only once an organisation has defined, in advance, the condition that triggers treatment, escalation, monitoring or acceptance (Drucker, 2006, p. 130). The passage was not re-verified in a specific edition beyond the page cited by the research corpus: the reference is to the boundary-condition concept that precedes a decision, not to a broader literal quotation of the book.
“Histogram of the distribution of the RPNs for 114 potential failure modes (baseline FMEA).”
The histogram covers 114 failure modes identified across six core processes of a clinical trial centre: 28 (24.6%) low risk, 72 (63.2%) moderate risk and 14 (12.3%) high risk, using an RPN threshold of >160 set before scoring. The figure converts an undifferentiated risk population into a visible priority subset; it does not yet show a corrective action.
Zhang et al., Frontiers in Medicine, 2026 — licensed CC BY 4.0.“Pareto analysis of failure modes (Top 15).”
What the figure shows: RPN values for the failure causes range from about 125 (hand-hygiene compliance) down to 48 (patient-zone segregation); the cumulative curve crosses the 80% threshold at the eleventh ranked item, bounding a finite priority subset out of a longer list. What the figure does not show: it establishes a selection boundary, not evidence that action was subsequently taken on these causes, nor that risk was actually reduced.
The Li & Xu meta-analysis pools 12 studies (36,887 participants, 11 observational and a single randomized trial) and reports mean RPN differences of −101.90 for inaccurate patient assessment, −103.24 for hand-hygiene non-compliance and −84.92 for aseptic-technique breaches following structured risk assessment. Heterogeneity for RPN outcomes is high (I² 75–98%), which rules out treating these values as a single effect directly transferable to pharmaceutical manufacturing (Frontiers in Public Health, 2026).
A scoping review by Vecchia et al., covering 163 healthcare FMEA studies and 9,564 identified failure modes, finds that only 122 studies (74.85%) report specific corrective actions, and only one included study is randomized (Healthcare, 2025). This finding justifies narrowing this article to figures showing an action or a reassessment, not merely a populated register.
This first part answers "is the priority subset visible and bounded?" It does not answer "who is responsible for treating it, and by when?" That is the second part's question.
Part 2 — Converting the priority decision into owned mitigation
Drucker is direct on this point: "no decision has been made unless carrying it out […] has become someone's work assignment and responsibility" (Drucker, 2006, p. 136). He also requires identifying who must know, what action is required and who must perform it. Transferred to quality risk management: a priority with no named owner, no specific action and no due date is not yet a decision, regardless of its score.
Kisling et al., Medical Physics, 2019 — licensed CC BY 4.0.“Histogram of the risk priority numbers (RPN) for all potential failure modes identified for automatic planning of a cervical cancer treatment using the radiation planning assistant (RPA) with (blue) and without (red) the quality assurance (QA) program.”
What the figure shows: across 113 failure causes identified for automated treatment planning of cervical cancer, the distribution without the QA programme (red) extends to a maximum RPN of 504, against 315 with the programme (blue), with a clear shift toward lower values. What the figure does not show: it measures a composite score; on its own it does not indicate whether the reduction comes from severity, occurrence or detectability — that is the next figure's subject.
Kisling et al., Medical Physics, 2019 — licensed CC BY 4.0.“Histogram of the detectability score (D) for all potential failure modes identified for automatic planning of a cervical cancer treatment using the radiation planning assistant (RPA) with (blue) and without (red) the quality assurance (QA) program.”
What the figure shows: the median detectability score falls from 5.0 without the QA programme to 3.0 with it; the authors attribute most of the reduction in total RPN to increased detectability rather than a change in intrinsic severity. What the figure does not show: an isolated causal link — the QA programme changes several process dimensions at once, and the figure documents one mechanism, not the whole causal chain.
The meta-analysis result converges with this mechanism: the largest RPN reductions occur in categories where a specific, assignable control can be designed — patient assessment, hand hygiene, aseptic technique — rather than a uniform, untargeted reduction. The high heterogeneity of RPN outcomes nonetheless indicates that the exact magnitude of a reduction should not be treated as portable across contexts (Frontiers in Public Health, 2026).
identified
priority + generic, unassigned action — with no specific mechanism or due date.named owner + action
tied to a specific axis (S, O or D) + due date + expected evidenceA mitigation decision must therefore carry, at minimum: owner → control → due date → expected evidence → reassessment method. What remains is closure: how to verify the mitigation actually produced the expected effect. That is the third part's subject.
Part 3 — Converting mitigation into evidence-based closure
Drucker requires a feedback loop that continuously tests the assumptions underlying a decision against actual events (Drucker, 2006, p. 139). Applied to quality risk management: a mitigation cannot be considered closed because an action was completed; closure requires evidence that the expected control state, or outcome, actually occurred.
Zhang et al., Frontiers in Medicine, 2026 — licensed CC BY 4.0.“Multi-dimensional improvement radar chart.”
What the figure shows: all six domains — hand hygiene, VAP/CRBSI/CAUTI prevention, enhanced disinfection frequency, environmental-cleaning evaluation, MDRO multi-department coordination, visitor-gown management — improve after intervention, for a mean gain of +39.1 points on a 100-point scale. What the figure does not show: a randomized control — the pre- and post-intervention populations do not overlap, so the comparison remains a single-cohort before/after design.
Zhang et al., Frontiers in Medicine, 2026 — licensed CC BY 4.0.“High-risk failure modes-RPN comparison pre vs. post intervention with reduction rate.”
What the figure shows: the six targeted causes move from a mean RPN of 94.2 to 45.3, a 51.9% aggregate reduction; individual reductions range from −25% (VAP/CRBSI/CAUTI prevention) to −75% (environmental-cleaning evaluation). What the figure does not show: an independent patient outcome — that is the next paragraph's subject, not this figure's.
The same study compares 2,975 pre-intervention patients to 1,522 post-intervention patients (January–December 2024 versus January–June 2025, non-overlapping cohorts). Healthcare-associated infection incidence fell from 2.6% to 1.6% (a 36.7% relative reduction, χ² = 4.062, p < 0.05); hand-hygiene compliance rose from 72.2% to 88.9% (p < 0.05); fluorescent-marker removal rose from 36.1% to 76.0%. This non-randomized, single-cohort pre/post design supports operational closure but does not establish isolated causality (Frontiers in Medicine, 2026).
At the synthesis level, the Li & Xu meta-analysis reports a nosocomial-infection odds ratio of 0.50 (95% CI 0.39–0.64) and a 3.36-day reduction in hospital stay (95% CI 2.94–3.77), with lower heterogeneity for clinical outcomes (I² 0–49%) than for RPN outcomes; it also notes that 11 of the 12 included studies are observational. This result supports pairing residual-RPN evidence with an independent patient, product or process outcome, rather than relying on a lower composite score alone (Frontiers in Public Health, 2026).
Closure therefore requires two complementary proofs: control evidence — the intended mitigation was implemented and changed occurrence, detectability or exposure — and outcome evidence — a patient-, product- or process-relevant measure moves in the expected direction without creating an unacceptable new risk. "Action completed" remains an intermediate lifecycle status, not the closure criterion.
Indexed figure catalogue
| Figure | Source and location | Empirical content | Function in the decision chain |
|---|---|---|---|
| 1 | Lee et al., 2017, Figure 2 (text-only, CC BY-NC) | RPN distribution for 114 failure modes | Risk population → visible subset |
| 2 | Zhang et al., 2026, Figure 4 | Pareto analysis of failure causes | Visible subset → decision boundary |
| 3 | Kisling et al., 2019, Figure 2 | RPN distribution with/without QA programme | Priority decision → implemented control |
| 4 | Kisling et al., 2019, Figure 3 | Detectability-score distribution with/without QA | Identifies the control mechanism (detectability) |
| 5 | Zhang et al., 2026, Figure 5 | Multidimensional improvement radar | Implemented control → multidimensional control evidence |
| 6 | Zhang et al., 2026, Figure 6 | Pre/post RPN comparison by cause | Implemented control → residual-risk reduction |
Figure integrity decisions
- Figure 1 (Lee et al.) is scored text-only: its article is published under a CC BY-NC 3.0 licence, which permits non-commercial reproduction only; this site promotes paid consulting and mission-economics services, which rules out reproducing the image here (the same rule already applied to the Martin-Delgado figure in this series' 5.1 and 5.3 articles).
- Zhang et al.'s Figure 1 ("Flowchart of hospital infection management and control") is a conceptual process diagram, not an empirical result: excluded from the catalogue.
- Zhang et al.'s Figure 7 carries the caption "Evaluation of environmental cleaning and disinfection quality," but its reported content covers several infection and compliance indicators beyond environmental cleaning alone; the caption-to-content correspondence is not precise enough for a controlled catalogue, so the figure is excluded.
Ten high-consensus concepts drawn from the figures
- A boundary condition must precede any scoring: a threshold must correspond to an explicit decision rule.
- A risk distribution carries more information than a colour class: a histogram reveals concentration, tails and outliers.
- Pareto selection converts an analysis into a manageable intervention portfolio.
- An owner is part of the decision, not an administrative field added later.
- Controls generally affect occurrence and detectability more readily than intrinsic severity.
- A total-RPN reduction should be decomposed by S, O and D to identify the actual mechanism.
- Residual risk must be reassessed with the same method, or a revised and justified one.
- Completed mitigation is not synonymous with effective mitigation.
- Patient, product or process outcomes should corroborate the residual-risk score.
- A closed risk requires retained evidence, acceptance criteria, an approver and a reopening rule.
These are synthesis statements drawn from the six empirical figures and the meta-analysis, rather than quotations or individual study conclusions.
The decision schema, spelled out
| Step | Question | Next |
|---|---|---|
| 1. Threshold | Does the score cross the predefined decision threshold? | No → monitor with a review date. Yes → next step. |
| 2. Priority | Does the risk fall within the bounded priority subset (e.g. Pareto 80%)? | No → periodic reassessment. Yes → next step. |
| 3. Ownership | Is a named owner, an action and a due date assigned? | No → decision not made (Drucker). Yes → implementation. |
| 4. Mechanism | Does the action change an identified axis (S, O or D), or a controlled condition? | No, awareness only → require a stronger control. Yes → next step. |
| 5. Control evidence | Does post-implementation measurement confirm the expected change? | No → risk stays open. Yes → next step. |
| 6. Outcome evidence | Does a patient, product or process outcome move as expected, with no adverse effect? | No → reopen or redesign the mitigation. Yes → closure approved. |
A risk_decision_record object carries, at minimum, these fields:
risk_id
product_or_process
patient_or_product_effect
source_evidence
risk_statement
severity / occurrence / detectability
priority_decision
decision_rationale
owner
mitigation
due_date
expected_control_effect
verification_method
baseline_measure
post_control_measure
residual_risk
acceptance_criteria
approver
closure_evidence
closure_date
reopen_triggerConclusion — proof of the conversion, not the colour of the field
The figures converge on a defensible five-step transition:
scored risk → priority decision → owned mitigation → control
evidence → outcome evidence
Each link runs on its own clock:
The working hypothesis remains only conditionally supported: the available literature demonstrates the mechanism and direction of the effect in healthcare, without providing a pooled, prospective estimate for pharmaceutical manufacturing.
Missing information and evidence limitations
- No qualifying source provides a multi-site prospective pharmaceutical-manufacturing study linking a residual RPN score to batch-rejection rate, recall frequency or sterility-assurance failure.
- No direct comparison sets registers built on RPN scoring alone against decision-centred registers (owner, due date, predefined acceptance criteria).
- The pooled 0.50 odds ratio and the 3.36-day stay reduction come from a corpus that is overwhelmingly observational (11 of 12 studies) and centred on infection prevention in critical care, not on pharmaceutical manufacturing.
- The RPN >160 threshold used by Lee et al. and the thresholds used by Zhang et al. are not directly comparable: the heterogeneity of scoring scales (I² 75–98% for RPN outcomes) rules out a universal RPN score portable across organisations.
- No universal minimum post-mitigation observation period is validated; nothing demonstrates that one recurrence-free window proves permanent causal elimination.
- The cited Drucker pages were not re-verified in a specific edition beyond the page numbers supplied by the research corpus; transferring his decision model to quality risk management remains analogical, not a regulatory source.
An open benchmark to test the hypothesis
A domain-neutral artifact would let this architecture be tested without publishing any real GMP
data: qrm-risk-to-decision-benchmark.
qrm-risk-to-decision-benchmark/
├── schema/ risk-statement, priority-decision, mitigation-record,
│ residual-evidence, closure-decision
├── data/ synthetic pharmaceutical risk-register cases
├── tests/ priority threshold without rationale, mitigation without
│ owner/due-date, closure without outcome evidence
└── docs/ hypothesis, evidence grading, benchmark protocolThe core testable hypothesis:
Registers requiring an explicit decision threshold, a named owner and predefined acceptance criteria produce fewer premature closures than registers relying on RPN classification alone.
If this conversion chain overlaps with a decision you already have to defend in a regulated environment, the Pharmaceutical Evidence Assurance programme starts from the same principle: proof before assertion.
Sources cited
- Drucker, P. F. (2006). The Effective Executive: The Definitive Guide to Getting the Right Things Done. HarperCollins, pp. 130, 136, 139.
- Lee, H., Lee, H., Baik, J., Kim, H., & Kim, R. (2017). Failure mode and effects analysis drastically reduced potential risks in clinical trial conduct. Drug Design, Development and Therapy, 11, 3035–3043. doi.org/10.2147/DDDT.S145310.
- Kisling, K., Johnson, J. L., Simonds, H., et al. (2019). A risk assessment of automated treatment planning and recommendations for clinical deployment. Medical Physics, 46(6), 2567–2574. doi.org/10.1002/mp.13512.
- Li, J., & Xu, Y. (2026). Impact of structured risk assessment on nosocomial infection prevention in the intensive care unit and related high-risk hospital settings: A systematic review and meta-analysis. Frontiers in Public Health, 14, 1830857. doi.org/10.3389/fpubh.2026.1830857.
- Vecchia, M., Sacchi, P., Marvulli, L. N., Ragazzoni, L., Muzzi, A., Polo, L., Bruno, R., & Salio, F. (2025). Healthcare application of Failure Mode and Effect Analysis (FMEA): Is there room in the infectious disease setting? A scoping review. Healthcare, 13(1), 82. doi.org/10.3390/healthcare13010082.
- Zhang, M., Ku, T., Jia, H., Wang, Y., Zhou, J., & Zhang, W. (2026). Application of failure mode and effects analysis combined with bundled management measures in reducing ICU-acquired infections. Frontiers in Medicine, 13, 1801802. doi.org/10.3389/fmed.2026.1801802.
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.