Assessment of Fever Advisory Cards (FACs) as an Initiative to Improve Febrile Neutropenia Management in a Regional Cancer Center Emergency Department
Notice bibliographique
Résumé
PURPOSE: We aimed to improve the time to antibiotics (TTA) for patients treated with chemotherapy who present to the emergency department (ED) with febrile neutropenia (FN) by using standardized fever advisory cards (FACs). METHODS: Patients treated with chemotherapy who visited the ED at the Peel Regional Cancer Center in Ontario, Canada, with suspected FN were identified, before (April 2012 to March 2013) and after (October 2013 to March 2014) FAC implementation. The primary outcome of interest was TTA. Additional process measures included Canadian Triage and Acuity Scale score, time to physician assessment, and FAC compliance. Outcomes were analyzed with descriptive statistics and control charts to determine whether the change in primary measures were within statistical control over time. RESULTS: Between the pre-FAC cohort (n = 239) and post-FAC cohort (n = 69), TTA did not change significantly post-FACs (195 v 244 min, P = .09), with monthly averages demonstrating normal variation by statistical process control methodology. The introduction of FACs increased the percentage of patients with correctly assigned Canadian Triage and Acuity Scale scores (87% v 100%) but did not affect time to physician assessment. Compliance with FACs among patients was not ideal, with only 62.5% using them as intended. CONCLUSION: The distribution of FACs was associated with an improved incidence of correct FN triaging but did not demonstrate a meaningful improvement in the quality of FN management. This may be explained by FAC use among patients not being ideal. Next steps in the continued effort toward high-quality FN care include redesign of FACs, reinforcement of provider and patient education, and ED outreach.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».