A Journey to Improved Inpatient Glycemic Control by Redesigning Meal Delivery and Insulin Administration
Notice bibliographique
Résumé
PURPOSE: The purpose of this quality improvement project was to redesign a hospital meal delivery process in order to shorten the time between blood glucose monitoring and corresponding insulin administration and improve glycemic control. DESCRIPTION: This process change redesigned the workflow of the dietary and nursing departments. Modifications included nursing, rather than dietary, delivering meal trays to patients receiving insulin. Dietary marked the appropriate meal trays and phoned each unit prior to arrival on the unit. The process change was trialed on 2 acute care units prior to implementation hospital wide. Elapsed time between blood glucose monitoring and insulin administration was analyzed before and after process change as well as evaluation of glucometrics: percentage of patients with blood glucose between 70 and 180 mg/dL (percent perfect), blood glucose greater than 300 mg/dL (extreme hyperglycemia), and blood glucose less than 70 mg/dL (hypoglycemia). RESULTS: Percent perfect glucose results improved from 45% to 53%, extreme hyperglycemia (blood glucose >300 mg/dL) fell from 11.7% to 5%. Hypoglycemia demonstrated a downward trend line, demonstrating that with improving glycemic control hypoglycemia rates did not increase. Percentage of patients receiving meal insulin within 30 minutes of blood glucose check increased from 35% to 73%. CONCLUSION: In the hospital, numerous obstacles were present that interfered with on-time meal insulin delivery. Establishing a meal delivery process with the nurse performing the premeal blood glucose check, delivering the meal, and administering the insulin improves overall blood glucose control. IMPLICATIONS: Nurse-led process improvement of blood glucose monitoring, meal tray delivery, and insulin administration does lead to improved glycemic control for the inpatient population.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».