More than Just a Simple Swish and Spit: Implementation of Oral Care Best Practice in Clinical Neurosciences
Notice bibliographique
Résumé
Suboptimal oral care is well documented in the literature and is linked to increased nosocomial pneumonia rates and prolonged hospitalization, negatively affecting patients' quality of life (Terezakis et al. 2011). A standardized approach to oral care can change these adverse outcomes. This project used best practice guidelines and evidence in the literature to guide the development of oral care best practice within an acute care inpatient unit. Based on the work of the interprofessional Clinical Neurological Sciences (CNS) Continuous Quality Improvement (CQI) Council at London Health Sciences Centre-University Hospital (LHSC-UH), an oral care policy and bedside assessment tool were implemented in line with Stroke Best Practice Recommendations (Heart and Stroke Foundation of Canada 2010). A validated, reliable and feasible oral health assessment tool (OHAT) was selected for implementation, and is now completed on every patient within 24 hours of admission to the CNS inpatient unit. Favourable outcomes to date include improved accessibility of oral health supplies, including regular and suction toothbrushes, toothpaste and bite blocks. Post-implementation audits indicate increased frequency and quality of oral care. This review provides a synopsis of how oral care best practice was implemented in an acute care neurology/neurosurgery setting.
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 | 0,079 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».