Smart pump use in pediatric patients
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
Medications for pediatric patients are individualized based on patient weight. An error in weight measurement, weight transcription in a patient’s chart, or weight entry into software or equipment can result in prescription and medication administration errors.1 Determination of the appropriate weight for dosage calculations is not always feasible, especially in the unstable patient, or may be complicated by clinical conditions such as severe fluid overload and obesity. In addition, the equipment used for weight measurement is often not routinely calibrated, and the use of different units of measure increases the risk of errors. The use of certain technologies can help reduce medication errors in pediatric patients.2 Smart pumps “are designed to alert the user when there is a risk of an adverse drug interaction, or when the user sets the pump’s parameters outside of specified safety limits,”3 but their effect on the delivery of safe health care is limited.3,4 At our 450-bed mother–child center, we recently implemented 645 smart pumps (Infusomat, B. Braun, Melsungen AG, Germany) and 400 syringe pumps (Perfusor, B. Braun). We customized a drug library of 177 medications by standardizing drug concentrations and setting dosage limits. A total of 12 drug library subsets with specific limits were defined according to patient population (i.e., neonatology intensive care, pediatric intensive care, anesthesia, and obstetrics).
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,006 |
| 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