Many healthcare organisations face repetitive incidents because organisations tend to fail to learn from the past. Learning from incidents (LFI) in healthcare is a process through which healthcare professionals and the organisation as a whole seek to understand adverse events that have taken place. The LFI process consists of five main steps: data acquisition, investigation and analysis, planning interventions, implementing interventions, and evaluations. In order to reduce the reoccurrence of incidents, it is important that LFI processes are improved. As a prerequisite, it is necessary to gain insight into the steps of the LFI process to identify hindrances (bottlenecks) and mitigate them. This thesis is a broad comparative study of the LFI processes in Dutch and Swedish healthcare systems. Cross-border comparisons between LFI systems can support mutual learning, and consequently lead to improvements of healthcare organisations’ learning processes. The study consists of an analysis of Swedish and Dutch legislation, national healthcare inspectorates, and hospitals’ learning from incidents processes. Legislation was analysed through a (legal) documentation study. Healthcare inspectorates’ practices in LFI were analysed by a combination of documentation studies, and by conducting interviews with one Dutch inspector, one Swedish inspector, and one Swedish development strategist. For analysis of hospitals’ LFI processes, a questionnaire and interview study with fourteen Dutch and eleven Swedish hospitals were conducted. Analysis of these processes was done at the hand of a number of quality statements developed based on a literature study. The main differences between how the two countries’ learn from incidents are in data acquisition, and investigation and analysis. The Netherlands have various reporting systems, as well as diversity in incident investigation methods. Sweden has more uniformity in these matters. Moreover, Sweden has a national system for sharing lessons learned between hospitals, which can benefit the learning process on a national level. The Netherlands currently does not have such a system. Sweden and the Netherlands have similar strengths and weaknesses in LFI. Both countries have accessible data acquisition systems, and it does not take much time to report incidents. There are however significant disparities between incidents and sentinel events in both countries in the quality of investigations and analyses, planning of interventions and implementation of interventions. The implementation and evaluation phases are also regarded to have the lowest quality, based on analysis of the quality statements. Dutch and Swedish legislation and the supervision of the healthcare inspectorates only cover these last two phases to a limited extent. Requirements with respect to incidents are also only formulated to a limited extent (except data acquisition), which may explain the significant difference of quality when compared to sentinel events. There are resemblances between the scopes of the legal frameworks and inspectorates, and the LFI processes in hospitals. There is therefore reason to believe that hospitals typically do not excel above what is required by legislation or by the healthcare inspectorates. / I många vårdorganisationer upprepar sig incidenter eftersom organisationer tenderar att misslyckas med att lära sig från incidenter. Att lära från incidenter (LFI) inom hälso- och sjukvården är en process genom vilket vårdpersonal och organisationen som helhet försöker förstå incidenter som har ägt rum. LFI-processen består av fem huvudsteg: datainsamling, utredning och analys, planering av åtgärder, implementering av åtgärder, och utvärderingar. För att minska upprepande av incidenter är det viktigt att LFIprocesser förbättras. Det här examensarbetet är en jämförande studie av LFI-processerna i holländska och svenska sjukvårdssystem. Gränsöverskridande jämförelser mellan LFI-system kan stödja ömsesidigt lärande och därmed leda till förbättringar av vårdorganisationernas lärande. Studien består av en analys av svensk och holländsk lagstiftning, nationella inspektioner och sjukhusens lärande från incidensprocesser. Lagstiftningen analyserades genom en (juridisk) dokumentationsstudie. Sjukvårdsinspektionernas praxis i LFI analyserades med en kombination av dokumentationsstudier och genom att göra intervjuer med en holländsk inspektör, en svensk inspektör och en svensk utvecklingsstrateg. För analys av sjukhusens LFI-processer genomfördes en enkätstudie och intervjustudie med 14 holländska och 11 svenska sjukhus. Analysen genomfördes med ett kvalitetsindikatorer som är baserade på en litteraturstudie. De viktigaste skillnaderna mellan hur de två länderna lär sig av incidenter är inom datainsamling och incidentutredning. I Nederländerna används många olika rapporteringssystem och utredningsmetoder för händelser. Sverige har mer enhetlighet i dessa frågor. Dessutom har Sverige ett nationellt system för att dela lärdomar mellan sjukhusen, vilket kan gynna lärningsprocessen på nationell nivå. Nederländerna har för närvarande inget liknande system. Sverige och Nederländerna har liknande styrkor och svagheter i LFI. Båda länderna har tillgängliga datainsamlingssystem och det tar inte mycket tid att rapportera incidenter. Det finns betydliga skillnader mellan incidenter och händelser som har medfört allvarliga vårdskador i båda länderna. Detta gäller kvaliteten på utredningar, planering av åtgärder och implementering av årgärder. Implementerings- och utvärderingsfaserna anses ha lägsta kvalitet, baserat på analys av kvalitetsindikatorerna. Holländsk och svensk lagstiftning och tillsynen av inspektionerna täcker dessa två sista faser endast i begränsad utsträckning. Krav på incidenter formuleras också endast i begränsad omfattning (förutom datainsamling), vilket kan förklara skillnaden i kvalitet jämfört med händelser som har medfört en allvarlig vårdskada. Det finns likheter mellan räckvidden av lagstiftningen och inspektionen, och LFIprocesserna på sjukhus i både länder. Det finns därför anledning att tro att sjukhus vanligtvis inte utmärker sig högre än vad som krävs enligt lagstiftningen eller av hälsooch sjukvårdsinspektionerna.

La République romaine au Ier siècle av. J.-C. fut secouée par de nombreux conflits. La seconde guerre civile, de 49 à 44 av. J.-C., opposa César à Pompée puis à ses fils. Au-delà d'un conflit entre deux ambitions politiques, des considérations économiques et sociales entraient en jeu. L'Espagne, de ces points de vue, constitue un exemple illustrant clairement ces enjeux. César, afin de contrebalancer l'importance de la clientèle pompéienne dans les provinces ibériques, planifia l'implantation de colonies. Elles ne furent pas toutes établies de son vivant. Néanmoins, certains éléments méritent une étude comparative en fonction du contexte. La présence d'importantes zones minières fut, on le pense, liée à l'âpreté des luttes dans ces provinces de Citerior et d'Ulterior. Cette étude est fondée sur les sources littéraires classiques, des textes épigraphiques, dont la loi d'Urso, et sur des études archéologiques.

Combinatorial objects can be represented by strings, such as 21534 for the permutation (1 2) (3 5 4), or 110100 for the binary tree corresponding to the balanced parentheses (()()). Given a string s = s1 s2 sn, the right-shift operation shift(s, i, j) replaces the substring si si+1..sj by si+1..sj si. In other words, si is right-shifted into position j by applying the permutation (j j−1 .. i) to the indices of s. Right-shifts include prefix-shifts (i = 1) and adjacent-transpositions (j = i+1). A fixed-content language is a set of strings that contain the same multiset of symbols. Given a fixed-content language, a shift Gray code is a list of its strings where consecutive strings differ by a shift. This thesis asks if shift Gray codes exist for a variety of combinatorial objects. This abstract question leads to a number of practical answers. The first prefix-shift Gray code for multiset permutations is discovered, and it provides the first algorithm for generating multiset permutations in O(1)-time while using O(1) additional variables. Applications of these results include more efficient exhaustive solutions to stacker-crane problems, which are natural NP-complete traveling salesman variants. This thesis also produces the fastest algorithm for generating balanced parentheses in an array, and the first minimal-change order for fixed-content necklaces and Lyndon words. These results are consequences of the following theorem: Every bubble language has a right-shift Gray code. Bubble languages are fixed-content languages that are closed under certain adjacent-transpositions. These languages generalize classic combinatorial objects: k-ary trees, ordered trees with fixed branching sequences, unit interval graphs, restricted Schr oder and Motzkin paths, linear-extensions of B-posets, and their unions, intersections, and quotients. Each Gray code is circular and is obtained from a new variation of lexicographic order known as cool-lex order. Gray codes using only shift(s, 1, n) and shift(s, 1, n−1) are also found for multiset permutations. A universal cycle that omits the last (redundant) symbol from each permutation is obtained by recording the first symbol of each permutation in this Gray code. As a special case, these shorthand universal cycles provide a new fixed-density analogue to de Bruijn cycles, and the first universal cycle for the "middle levels" (binary strings of length 2k + 1 with sum k or k + 1).