Impact of e-alert for detection of acute kidney injury on processes of care and outcomes: protocol for a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Acute kidney injury (AKI) is a common complication in hospitalised patients. It imposes significant risk for major morbidity and mortality. Moreover, patients suffering an episode of AKI consume considerable health resources. Recently, a number of studies have evaluated the implementation of automated electronic alerts (e-alerts) configured from electronic medical records (EMR) and clinical information systems (CIS) to warn healthcare providers of early or impending AKI in hospitalised patients. The impact of e-alerts on care processes, patient outcomes and health resource use, however, remains uncertain. METHODS AND ANALYSIS: We will perform a systematic review to describe and appraise e-alerts for AKI, and evaluate their impact on processes of care, clinical outcomes and health services use. In consultation with a research librarian, a search strategy will be developed and electronic databases (ie, MEDLINE, EMBASE, CINAHL, Cochrane Library and Inspec via Engineering Village) searched. Selected grey literature sources will also be searched. Search themes will focus on e-alerts and AKI. Citation screening, selection, quality assessment and data abstraction will be performed in duplicate. The primary analysis will be narrative; however, where feasible, pooled analysis will be performed. Each e-alert will be described according to trigger, type of alert, target recipient and degree of intrusiveness. Pooled effect estimates will be described, where applicable. ETHICS AND DISSEMINATION: Our systematic review will synthesise the literature on the value of e-alerts to detect AKI, and their impact on processes, patient-centred outcomes and resource use, and also identify key knowledge gaps and barriers to implementation. This is a fundamental step in a broader research programme aimed to understand the ideal structure of e-alerts, target population and methods for implementation, to derive benefit. Research ethics approval is not required for this review. SYSTEMATIC REVIEW REGISTRATION NUMBER: CRD42016033033.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».