A Multifaceted Intervention for Quality Improvement in a Network of Intensive Care Units
Notice bibliographique
Résumé
CONTEXT: Evidence-based practices improve intensive care unit (ICU) outcomes, but eligible patients may not receive them. Community hospitals treat most critically ill patients but may have few resources dedicated to quality improvement. OBJECTIVE: To determine the effectiveness of a multicenter quality improvement program to increase delivery of 6 evidence-based ICU practices. DESIGN, SETTING, AND PARTICIPANTS: Pragmatic cluster-randomized trial among 15 community hospital ICUs in Ontario, Canada. A total of 9269 admissions occurred during the trial (November 2005 to October 2006) and 7141 admissions during a decay-monitoring period (December 2006 to August 2007). INTERVENTION: We implemented a videoconference-based forum including audit and feedback, expert-led educational sessions, and dissemination of algorithms to sequentially improve delivery of 6 practices. We randomized ICUs into 2 groups. Each group received this intervention, targeting a new practice every 4 months, while acting as control for the other group, in which a different practice was targeted in the same period. MAIN MEASURE OUTCOMES: The primary outcome was the summary ratio of odds ratios (ORs) for improvement in adoption (determined by daily data collection) of all 6 practices during the trial in intervention vs control ICUs. RESULTS: Overall, adoption of the targeted practices was greater in intervention ICUs than in controls (summary ratio of ORs, 2.79; 95% confidence interval [CI], 1.00-7.74). Improved delivery in intervention ICUs was greatest for semirecumbent positioning to prevent ventilator-associated pneumonia (90.0% of patient-days in last month vs 50.0% in first month; OR, 6.35; 95% CI, 1.85-21.79) and precautions to prevent catheter-related bloodstream infection (70.0% of patients receiving central lines vs 10.6%; OR, 30.06; 95% CI, 11.00-82.17). Adoption of other practices, many with high baseline adherence, changed little. CONCLUSION: In a collaborative network of community ICUs, a multifaceted quality improvement intervention improved adoption of care practices. TRIAL REGISTRATION: clinicaltrials.gov Identifier: NCT00332982.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».