Improving the appropriateness of laboratory submissions for urinalysis from general practice
Notice bibliographique
Résumé
BACKGROUND: Urine is the most common microbiology laboratory specimen. Submissions increase annually by 5-10%, and many specimens may be unnecessary. OBJECTIVES: To assess the impact of guidance, implemented by interactive workshops and reinforced with modified request forms, on specimen submission. METHODS: This was a prospective randomized controlled study with modified Zelen design. The study population comprised five primary care trusts (PCTs) in Gloucestershire/County Durham/Darlington, containing 82 general practices in six geographical clusters. The six clusters were randomly assigned to urine workshop covering submission in the elderly, adults and children or a control workshop. Within these groups, half the practices were randomized to receive modified laboratory forms emphasizing the workshop messages. Practices were not aware of the study. RESULTS: Workshops lead to a 12% reduction in urine submissions from 16- to 64-year olds, which persisted for the 15 months but had no effect on bacteriuria rate. Workshops had no significant effect in the elderly or children. Modified forms were not associated with any reduction in submissions but were associated with an 11% reduction in detection of significant bacteriuria in 16- to 64-year olds. CONCLUSIONS: The 12% decrease in urine submissions from 16- to 64-year olds, attained with workshops, may help counter relentlessly rising test submissions. Modified forms are currently not worth pursuing. When educational workshops are used across PCTs to change practice, the change in test submission is smaller than attained in educational initiatives involving volunteers. Workshops may be more effective if they also discuss urine submissions from asymptomatic patients and are directed at high testing practices and care homes.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».