MétaCan
Menu
Retour à la cohorte
Enregistrement W2323405553 · doi:10.1097/nur.0000000000000098

Implementing Clinical Practice Guidelines for Screening and Detection of Delirium in a 21-Hospital System in Northern California

2014· article· en· W2323405553 sur OpenAlexaff
Carmen Adams, Elizabeth Scruth, Christina Andrade, Susan Maynard, Kathryn Snow, Terry L. Olson, Stephen D. Ingerson, Barbara A. Duffy, Eugene Y. Cheng

Notice bibliographique

RevueClinical Nurse Specialist · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensStuart Olson (Canada)
Organismes subventionnairesnon disponible
Mots-clésDeliriumMedicineMEDLINEFamily medicineMedical emergencyPsychiatryPolitical science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The purpose of this article was to describe a quality improvement process on a diverse adult intensive care unit (ICU) population for a large healthcare organization for early detection of delirium. BACKGROUND: Delirium is often considered a common unpreventable problem in the ICU. A process for early detection of delirium allows the critical care team to evaluate the patient and intervene to improve or reverse the delirium. DESCRIPTION: A business case was first developed, and then using performance improvement methodology combined with quality improvement methods and oversight from a Delirium/Sedation Workgroup, an implementation plan was developed. Intensive care clinical nurse specialists were educated; patients in the ICU were screened for delirium twice daily by bedside nurses using the Confusion Assessment Method. The clinical nurse specialist in each ICU was instrumental for driving the process of change and supporting the bedside nurse and physicians to discuss preventing, screening, and treating delirium. OUTCOME: System-wide process implementation was completed in 1 year, 2011. In 2012, all medical centers had a program in place to decrease the use of benzodiazepines and improve communication in the multidisciplinary teams during daily rounds about the treatment and prevention of delirium. The process of performance improvement is ongoing with continual reassessment and feedback required to ensure sustainability. CONCLUSIONS/IMPLICATIONS FOR PRACTICE: Performance improvement involving 21 medical centers is a large-scale undertaking by an organization. It requires a systematic approach with key stakeholders and advanced practice nurses as subject matter experts involved throughout all phases of the implementation. Bedside clinicians assessing the patient must feel supported and valued members of the process. Challenges of all care providers need to be acknowledged and addressed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,245
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,299
Score d'incertitude au seuil0,764

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,245
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,435
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Nurse SpecialistMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207