Clinical audit and the implementation of the Ottawa Ankle Rules
Notice bibliographique
Résumé
Purpose To implement the research‐based Ottawa Ankle Rules in a district hospital and audit their impact on the number and appropriateness of X‐rays for ankle injuries in A&E. Design/methodology/approach The method used was retrospective data collection, followed by education and prospective data collection on the management of subsequent ankle injuries. The computer records of the first 150 people presenting to A&E with ankle/foot injuries in one month were reviewed to determine whether the patient underwent an X‐ray, and what the results were. Every doctor working in A&E was then educated using a hand‐out giving the Ottawa Ankle Rules. The management of 150 people presenting with ankle/foot injuries in the month after this intervention was assessed. Findings There was a reduction in the number of patients receiving X‐rays (83/150 or 55 per cent versus 128/150 or 85 per cent pre‐intervention; p<<0.001). There was also an increase in the proportion of X‐rays showing fractures (17/83 or 20 per cent versus 16/128 or 12.5 per cent; difference not statistically significant). Research limitations/implications Possible to stimulate good practice with audit. Practical implications Improvement in practice stimulated by a motivated trainee doctor with appropriate support. Factors contributing to success discussed. Originality/value Encouraging example of successful audit, of interest to those interested in using clinical audit to improve care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,044 | 0,222 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».