Impact of Electronic-Alerting of Acute Kidney Injury: Workgroup Statements from the 15 <sup>th</sup> ADQI Consensus Conference
Notice bibliographique
Résumé
PURPOSE OF THE REVIEW: Among hospitalized patients, acute kidney injury is common and associated with significant morbidity and risk for mortality. The use of electronic health records (EHR) for prediction and detection of this important clinical syndrome has grown in the past decade. The steering committee of the 15(th) Acute Dialysis Quality Initiative (ADQI) conference dedicated a workgroup with the task of identifying elements that may impact the course of events following Acute Kidney Injury (AKI) e-alert. SOURCES OF INFORMATION: Following an extensive, non-systematic literature search, we used a modified Delphi process to reach consensus regarding several aspects of the utilization of AKI e-alerts. FINDINGS: Topics discussed in this workgroup included progress in evidence base practices, the characteristics of an optimal e-alert, the measures of efficacy and effectiveness, and finally what responses would be considered best practices following AKI e-alerts. Authors concluded that the current evidence for e-alert system efficacy, although growing, remains insufficient. Technology and human-related factors were found to be crucial elements of any future investigation or implementation of such tools. The group also concluded that implementation of such systems should not be done without a vigorous plan to evaluate the efficacy and effectiveness of e-alerts. Efficacy and effectiveness of e-alerts should be measured by context-specific process and patient outcomes. Finally, the group made several suggestions regarding the clinical decision support that should be considered following successful e-alert implementation. LIMITATIONS: This paper reflects the findings of a non-systematic review and expert opinion. IMPLICATIONS: We recommend implementation of the findings of this workgroup report for use of AKI e-alerts.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».