Medical admission order sets to improve deep vein thrombosis prophylaxis rates and other outcomes
Notice bibliographique
Résumé
BACKGROUND: The value of order sets for clinical decision support has not been established. OBJECTIVE: To determine whether introduction of admission order sets increases the proportion of inpatients receiving deep venous thrombosis (DVT) prophylaxis. DESIGN: Before-after study. SETTING: Community hospital. PATIENTS: General medical patients admitted to hospital. INTERVENTION: Paper-based admission order sets (instead of free-text orders) for voluntary use by internists, without any education or behavior change interventions. MEASUREMENTS: Primary outcome was proportion of medical admissions ordered DVT prophylaxis. Secondary outcomes included overall utilization of DVT prophylaxis in medical inpatients and other admission order care quality measures. RESULTS: Prior to introduction of order sets, DVT prophylaxis was ordered in 10.9% of patients. Patients admitted with order sets were more likely to be ordered DVT prophylaxis than patients admitted with free-text orders (44.0% versus 20.6%, by months 14 and 15, P<0.0001). Hospital-wide DVT prophylaxis in medical inpatients increased from 12.8% to 25.8% of patient-days (P<0.0001). Order set use improved many other secondary outcomes (P<0.05 for all), including allied health consultations (62.8% versus 12.7%), use of standardized diabetic diet (17.0% versus 5.1%), insulin sliding scale (19.1% versus 7.6%), potassium replacement protocol (63.8% versus 0.51%), documentation of allergies (54.3% versus 9.6%) and resuscitation status (57.4% versus 10.2%), and reduced orders for inappropriate laboratory tests such as blood urea nitrogen (39.4% versus 59.0%). CONCLUSIONS: The broad impact of order sets and minimal organizational resources required for their implementation suggests that order sets may have wide applicability as a clinical decision support tool.
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 | 0,002 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».