MétaCan
Menu
Retour à la cohorte
Enregistrement W1965436636 · doi:10.1177/0148607113496822

Driving Perioperative Nutrition Quality Improvement Processes Forward!

2013· article· en· W1965436636 sur OpenAlexaff
Daren K. Heyland, Rupinder Dhaliwal, Naomi E. Cahill, Franco Carli, David R. Flum, Clifford Y. Ko, Rosemary A. Kozar, John Drover, Stephen A. McClave

Notice bibliographique

RevueJournal of Parenteral and Enteral Nutrition · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensKingston General HospitalMcGill UniversityClinical Evaluation Research UnitQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineClinical nutritionAuditParenteral nutritionRandomized controlled trialPerioperativeGuidelinePsychological interventionIntensive care medicineMedical nutrition therapyMEDLINEEvidence-based medicineKnowledge translationHealth careNursingSurgeryAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Evidence supporting the important role of nutrition therapy in surgical patients has evolved, with several randomized trials and meta-analyses of randomized trials clearly demonstrating benefits. Despite this evidence, surgeons and anesthesiologists have been slow to adopt recommended practices, and the traditional dogma of delaying the initiation of and restricting the amount of nutrition during the postoperative period persists. Consequently, the nutrition therapy received by surgical patients remains suboptimal; thus, patients suffer worse clinical outcomes. Knowledge translation (KT) describes the process of moving evidence learned from clinical research, and summarized in clinical practice guidelines, to its incorporation into clinical and policy decision making. In this paper, we apply Graham et al's knowledge-to-action model to illuminate our understanding of the issues pertinent to KT in surgical nutrition. We illustrate various components of this model using empirically derived research, commentaries, and published studies from both critical care and surgical nutrition. Barriers to improving surgical nutrition practice may be related to (1) the nature of the underlying evidence and clinical practice guidelines; (2) guideline implementation factors; (3) characteristics of the health system, hospital, and surgical team; (4) provider attitudes and beliefs; and (5) patient factors (eg, type of surgery, underlying disease, and nutrition status). Interventions tailored to overcoming these barriers must be developed, evaluated, and implemented. A system of audit and feedback must guide this process and evaluate improvements over time so that every patient undergoing major surgery will have the opportunity to be optimally assessed and managed according to best nutrition practices.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,121
score de la tête « metaresearch » (Gemma)0,240
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,642

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1210,240
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0040,008
Communication savante0,0190,019
Science ouverte0,0040,011
Intégrité de la recherche0,0110,021
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,028
Tête enseignante GPT0,342
Écart entre enseignants0,314 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Parenteral and Enteral NutritionMême sujetNutrition and Health in AgingTravaux en français237 207