The impact of traditional and smart pump infusion technology on nurse medication administration performance in a simulated inpatient unit
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
OBJECTIVE: Assess the impact of infusion pump technologies (traditional pump vs smart pump vs smart pump with barcode) on nurses' ability to safely administer intravenous medications. DESIGN: Experimental study with a repeated measures design. SETTING: High-fidelity simulated inpatient unit. RESULTS: The nurses remedied 60% of "wrong drug" errors. This rate did not vary as a function of pump type. The nurses remedied "wrong patient" errors more often when using the barcode pump (88%) than when using the traditional pump (46%) or the smart pump (58%) (Cochran Q=14.36; p<0.05). The number of nurses who remedied "wrong dose hard limit" errors was higher when using the smart pump (75%) and the barcode pump (79%) than when using the traditional pump (38%) (Cochran Q=12.13; p<0.003). Conversely, there was no difference in remediation of "wrong dose soft limit" errors across pump types. The nurses' pump programming was less accurate when mathematical conversions were required. Success rates on secondary infusions were low (55.6%) and did not vary as a function of pump type. CONCLUSIONS: These findings indicate that soft (changeable) limits in smart infusion pumps had no significant effect in preventing dosing errors. Provided that smart pumps are programmed with hard (unchangeable) limits, they can prevent dosing errors, thereby increasing patient safety. Until barcode pumps are integrated with other systems within the medication administration process, their role in enhancing patient safety will be limited. Further improvements to pump technologies are needed to mitigate risks associated with intravenous infusions, particularly secondary infusions.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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