Insulin: a commonly used high‐risk medicine
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
Abstract Type 2 diabetes is common and is associated with progressive beta cell loss, insulin deficiency, organ damage and effects on mental health and wellbeing. The current management focus is on stringent blood glucose control (HbA 1c <7% [53mmol/mol]) and early insulin initiation. Insulin is a high‐risk medicine and is associated with a high rate of errors, adverse events and admissions to hospital. An insulin high‐risk medicine alert and accompanying audit tool were developed and distributed to Australian hospitals in Victoria in 2009. The purpose of this paper is to outline the self‐reported impact of the insulin alert on hospital insulin management policies, discuss the lessons learned from the process, and suggest strategies that could be more effective when other medicine alerts are disseminated. The insulin alert, audit tool and an anonymous self‐complete questionnaire were mailed to the chief executive officers of 90 hospitals who distributed them to their relevant quality and safety governance committees for action. Only 26 hospitals responded (29%). Respondents reported that the insulin alert triggered them to review insulin policies and procedures, develop insulin education programmes and review hypoglycaemia management. They did not provide information about the impact on insulin errors. Respondents found the audit tool time consuming because the form was very long and not available in electronic form. Diabetes clinicians did not appear to have been involved. The key lessons learned were that relying on a passive implementation process, self‐report, and long, written audit tools are unlikely to engender change. Processes need to be tailored to suit individual organisations and engage key local clinical leaders. Outcomes/impact need to be measured objectively. Copyright © 2012 John Wiley & Sons.
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 | 0,081 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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