MétaCan
Menu
Retour à la cohorte
Enregistrement W2008527486 · doi:10.5430/jha.v2n2p38

Decreasing Inpatient Falls: A Retrospective Analysis with CNS-Led Interventions

2012· article· en· W2008527486 sur OpenAlexvenueno aff
Cheryl Cioffi, Jennifer Plumadore, Karen Clark

Notice bibliographique

RevueJournal of Hospital Administration · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineFall preventionPsychological interventionEmergency medicineDescriptive statisticsInjury preventionPoison controlNursing

Résumé

récupéré en direct d'OpenAlex

Inpatient falls are considered 'never events' that may result in increased costs and adversely affect quality of care. This study describes and analyzes characteristics of inpatient falls collected on a ‘Post Fall Huddle/Event Report’ form used by nursing and Risk Management. Data from a convenience sample of 182 falls were collected over a six month period. Analyses included descriptive and regression models on outcomes of injury and length of stay. Incontinence/elimination, antihypertensive medications, higher census, and any medication change, suggested associations with injury or length of stay. Based on the results several strategies were implemented by CNSs to include in-depth review of circumstances surrounding the fall; education of staff for consistency in the fall protocol; reinforcement of purposeful hourly rounding; and the need for increased objectivity on the Post Fall Huddle/Event Report form. Post implementation the average annual number of inpatient falls decreased by 50%.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,407

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,053
Tête enseignante GPT0,456
Écart entre enseignants0,403 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital AdministrationMême sujetOccupational Health and Safety ResearchTravaux en français237 207