A Systematic Review of Evidence-Informed Practices for Patient Care Rounds in the ICU*
Notice bibliographique
Résumé
OBJECTIVES: Patient care rounds are a key mechanism by which healthcare providers communicate and make patient care decisions in the ICU but no synthesis of best practices for rounds currently exists. Therefore, we systematically reviewed the evidence for facilitators and barriers to patient care rounds in the ICU. DATA SOURCES: Search of Medline, Embase, CINAHL, PubMed, and the Cochrane library through September 21, 2012. STUDY SELECTION: Original, peer-reviewed research studies (no methodological restrictions) were selected, which described current practices, facilitators, or barriers to healthcare provider rounding in the ICU. DATA EXTRACTION: Two authors with methodological and content expertise independently abstracted data using a prespecified abstraction tool. DATA SYNTHESIS: The literature search identified 7,373 citations. Reviews of abstracts led to the retrieval of 136 full text articles for assessment; 43 articles in three languages (English, German, Spanish) were selected for review. Of these, 13 were ethnographic studies and 15 uncontrolled before-after studies. Six studies used control groups, including one cross-over randomized, one time-series, three cohort, and one controlled before-after study. A total of 13 facilitators and 9 barriers to patient care rounds were identified through a narrative and meta-synthesis of included studies. Identified facilitators suggest that the quality of rounds is improved when conducted by a multidisciplinary group of providers, with explicitly defined roles, using a standardized structure and goal-oriented approach that includes a best practices checklist. Barriers to quality patient care rounds include poor information retrieval and documentation, interruptions, long rounding times, and allied healthcare provider perceptions of not being valued by rounding physicians. CONCLUSIONS: Although the evidence base for best practices of patient care rounds in the ICU is limited, several practical and low-risk practices can be considered for implementation.
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 | 0,064 | 0,220 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,013 | 0,013 |
| Bibliométrie | 0,030 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».