Development of an Enhanced Recovery After Surgery Guideline and Implementation Strategy Based on the Knowledge-to-action Cycle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Enhanced Recovery After Surgery (ERAS) protocols have been shown to increase recovery, decrease complications, and reduce length of stay. However, they are difficult to implement. OBJECTIVE: To develop and implement an ERAS clinical practice guideline (CPG) at multiple hospitals. METHODS: A tailored strategy based on the Knowledge-to-action (KTA) cycle was used to develop and implement an ERAS CPG at 15 academic hospitals in Canada. This included an initial audit to identify gaps and interviews to assess barriers and enablers to implementation. Implementation included development of an ERAS guideline by a multidisciplinary group, communities of practice led by multidiscipline champions (surgeons, anesthesiologists, and nurses) both provincially and locally, educational tools, and clinical pathways as well as audit and feedback. RESULTS: The initial audit revealed there was greater than 75% compliance in only 2 of 18 CPG recommendations. Main themes identified by stakeholders were that the CPG must be based on best evidence, there must be increased communication and collaboration among perioperative team members, and patient education is essential. ERAS and Pain Management CPGs were developed by a multidisciplinary team and have been adopted at all hospitals. Preliminary data from more than 1000 patients show that the uptake of recommended interventions varies but despite this, mean length of stay has decreased with low readmission rates and adverse events. CONCLUSIONS: On the basis of short-term findings, our results suggest that a tailored implementation strategy based on the KTA cycle can be used to successfully implement an ERAS program at multiple sites.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle