Venous Thromboembolism Prevention: A Systematic Review of Methods to Improve Prophylaxis and Decrease Events in the Hospitalized Patient
Notice bibliographique
Résumé
Prevention of venous thromboembolism (VTE) is currently a key initiative internationally and in US hospitals, where there has been a recent focus on national quality initiatives to prevent hospital-acquired VTE. Multiple strategies exist to prevent VTE by increasing prophylaxis rates in the hospitalized setting. Active, multifaceted interventions, including provider education, an active reminder to the provider, and regular audit and feedback to medical and hospital staff, appear to be the most effective current interventions. Active intervention programs have been validated both as electronic alerts, with or without computerized clinical decision support software and, more recently, human alerts, many of which utilize in-hospital pharmacists. A passive strategy, such as guideline dissemination, should not be used as a lone method. Although inappropriate duration remains a key reason as to why at-risk patients do not receive appropriate thromboprophylaxis within the hospital (defined by type, dose, and duration of prophylaxis), few studies address duration compared with hospital length of stay. Preventable VTE is a new quality outcome measure for hospitals but is measured in few studies. Future studies should focus on comparing various multifaceted interventions to assess their effect over time, including endpoints of bleeding for safety, appropriate type, dose, and duration of prophylaxis, overall and preventable VTE, and the impact on unnecessary prophylaxis for patients not at risk.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».