MétaCan
Menu
Retour à la cohorte
Enregistrement W149630499

Using technology to create a medication safety net for cardiac surgery patients: a nurse-led randomized control trial.

2009· article· en· W149630499 sur OpenAlexaff
Heather Sherrard, Christine Struthers, Sharon Ann Kearns, George A. Wells, Li Chen, Thierry Mesana

Notice bibliographique

RevuePubMed · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineRelative riskRandomized controlled trialConfidence intervalEmergency medicineInteractive voice responseAdverse effectPatient safetyPhysical therapyInternal medicineHealth care
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Interactive voice response (IVR) technology was used to increase medication compliance and reduce adverse events (hospitalization and emergency visits) in post-cardiac surgery patients. METHOD: Patients randomized to intervention received 11 automated IVR calls in the six months after discharge. A total of 331 patients (164 IVR, 167 usual care) participated. RESULTS: Findings showed significant differences in the IVR group for the primary composite outcome of compliance and adverse events (relative risk (RR] and 95% confidence interval [CI]: 0.60 [0.37, 0.96), p = 0.041) and the secondary outcome of medication compliance (RR: 0.34 (0.20, 0.56), p < 0.0001). There was no significant impact on emergency room visits (RR: 1.04 (0.63, 1.73J) and hospitalization (RR: 0.77 [0.41, 1.45]). Most patients (93%) preferred IVR follow-up to no follow-up.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,051
Tête enseignante GPT0,388
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPatient Safety and Medication ErrorsTravaux en français237 207