Implementation of a novel real‐time platelet inventory management system at a multi‐site transfusion service
Notice bibliographique
Résumé
BACKGROUND: Blood platelets (PLTs) are a valuable commodity. Management of their inventory has implications both for patient care and for the cost of health care delivery. There are a variety of different methods of managing PLT inventory currently in practice and multiple theoretical models aimed at improving PLT inventory metrics. In this study we evaluate the ability of a novel electronic dashboard system that monitors and displays both PLT inventory and patient data to improve transfusion metrics at a quaternary health care center. STUDY DESIGN AND METHODS: The Capital District Health Authority is a quaternary health care center that transfuses approximately 2500 PLT units annually. To improve PLT discard rates a novel, low-overhead system that interfaces with the laboratory information system and displays real-time data between transfusion sites on PLT inventory and orders was implemented in November 2011. This study examines the transfusion quality metrics data from the 24 months before and after implementation. RESULTS: A significant reduction in mean monthly PLT outdate rate was observed after the implementation of the PLT dashboard suite from 24.5% (n = 24, SD ± 6.4%) to 15.1% (n = 24, SD ± 6.4%; p < 0.001). PLT age at time of transfusion was also reduced from 3.60 days (n = 4796, SD ± 0.97 days) to 3.46 days (n = 4881, SD ± 1.00 days; p < 0.001). CONCLUSIONS: This study describes the implementation of a novel PLT dashboard suite. This suite significantly reduced PLT outdate rates at our institution over the 48-month study period.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».