Medical stewardship: Pathology evidence based ordering to reduce inappropriate test ordering in a teaching hospital
Notice bibliographique
Résumé
Objective: This study was designed as an educational program aimed at promoting evidence-based pathology ordering with the aim of reducing inappropriate test ordering.Methods: Researchers benchmarked the hospital’s pathology tests ordered in 2013-2014 before conducting a multifaceted education program in 2014-2015. The intervention consisted of main priorities including pathology test auditing, in-services and lectures, development and implementation of investigation pathways, and policy and procedure compliance. The main outcome measures was a reduction in commonly inappropriate ordered pathology testing leading to a reduction in the average test per hospital admission, and a reduction in specimen collection errors.Results: Through this educational method the researchers achieved a reduction in the average test per admission in 2014-2015 (M = 12.98) from 2013-2014 (M = 13.83). A two sample t-test indicated that this difference was significant, t(3.3006) = 0.0071, p = .01. The intervention included a focus on specimen collection errors and achieved a reduction in specimen error rates (M = 2,695) from the previous year (M = 3,000). A one sample t-test indicated that this difference was significant, t(3.0804) = 0.0105, p = .05. This intervention decreased commonly inappropriate pathology requests of Full Blood Count (FBC, -4.21%), Liver Function Tests (LFTs, -8.36%), Vitamin B12 (B12, -6.45%) and Coagulation profile (-21.22%). Commonly inappropriate pathology tests decreased (M = 7,120.33) from (M = 7,609.67). A two sample t-test indicated that this difference was significant, t(3.7730) = 0.0031, p = .005.Conclusions: Results confirmed that a multi-faceted education program can reduce inappropriate pathology test ordering, commonly over-ordered pathology test ordering, and pathology specimen error rates while maintaining positive patientoutcomes.
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 | 0,009 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».