Working toward a System-wide Venous Thromboembolism Prophylaxis Strategy: Experience from a Multisite Health Region
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 Venous thromboembolism (VTE), comprised of both deep vein thrombosis (DVT) and pulmonary embolism (PE), is a common complication for hospitalized patients. Clear guidance is available to practitioners in regard to risk factors for the development of VTE as well as strategies to decrease its prevalence. Despite knowing who is at risk and how to prevent VTE, practitioners provide adequate measures to only half of the patients who are eligible for VTE prophylaxis. Pharmacy practitioners within the Regina Qu'Appelle Health Region (RQHR) have been actively involved in improving VTE prophylaxis for inpatients over the past 10 years. Objective To improve the rate of VTE prophylaxis within the RQHR, thereby improving patient safety. Methods The strategy involved 3 phases: a preparation phase, an active intervention phase, and a maintenance and improvement phase. The preparation phase included education and participation in a national registry along with a residency project. The intervention phase consisted of a number of strategies in conjunction with 1-day VTE prophylaxis audits, and the maintenance phase consisted of ongoing educational initiatives and audits. Results From January 2005 to January 2009, the percentage of patients being appropriately managed for VTE prophylaxis within the RQHR improved from 62% to 94% ( P < .005). Looking specifically at our medical and surgical populations, rates increased from 47% to 90% ( P < .005) and 79% to 97% ( P < .005), respectively. Conclusion The strategy was successful in improving VTE prophylaxis in the inpatient population.
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 | 0,000 | 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