A Survey of Emergency Department Resources and Strategies Employed in the Treatment of Pediatric Gastroenteritis
Notice bibliographique
Résumé
OBJECTIVES: Although leading organizations have developed gastroenteritis management guidelines, little is known about emergency department (ED) use of clinical tools to improve outcomes. Our objective was to describe pediatric gastroenteritis clinical decision tools employed in EDs in the province of Ontario and to determine if a greater number of clinical decision tools are employed in academic, high-volume institutions staffed primarily by emergency medicine (EM)-trained physicians. METHODS: A cross-sectional, Internet-based survey was distributed in the summer of 2010 to medical directors and managers of Ontario EDs. Domains included patient population, general resources, and gastroenteritis-specific strategies. Copies were requested of all gastroenteritis-specific strategies to enable a content review. RESULTS: A total of 133 (83%) of 160 eligible participants responded. Practice guidelines, pathways, or order sets; medical directives; and printed discharge instructions were reported to be in use at 38 of the 133 (29%), 69 of 133 (52%), and 105 of 133 (79%) of the responding institutions, respectively. Oral rehydration therapy (ORT) is routinely initiated at triage in only 51 of the 133 of the EDs (38%). High-volume institutions are more likely to have clinical practice guidelines, pathways, or order sets (p = 0.001) than low- and medium-volume EDs. Physician training in EM was associated with the presence of medical directives for nursing administration of antiemetics and antipyretics (p = 0.04). Review of clinical practice guidelines, pathways, and order sets showed that only six of 27 gastroenteritis-specific strategies reviewed were correctly classified, and 20 (74%) met prespecified quality criteria. CONCLUSIONS: Clinical decision tools designed to improve pediatric gastroenteritis management are not commonly implemented. Such strategies are more common in high-volume EDs and those staffed primarily by physicians with EM training.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».