Quality and safety in adult epilepsy monitoring units: A systematic review and meta‐analysis
Notice bibliographique
Résumé
OBJECTIVE: The epilepsy monitoring unit (EMU) is a valuable resource for optimizing management of persons with epilepsy, but may place patients at risk for adverse events due to withdrawal of treatment and induction of symptoms. The purpose of this study was to synthesize data on the safety and quality of care in EMUs to inform the development of quality indicators for EMUs. METHODS: A systematic review was conducted according to the Preferred Reporting and Items for Systematic Review and Meta-Analysis (PRISMA) statement. The search strategy, which included broad search terms and synonyms pertaining to the EMU, was run in six medical databases and included conference proceedings. Data abstracted included patient and EMU demographics and quality and safety variables. Study quality was evaluated using a modified 15-item Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) checklist. Descriptive statistics and meta-analyses were used to describe and synthesize the evidence. RESULTS: The search yielded 7,601 references, of which 604 were reviewed in full text. One-hundred thirty-five studies were included. The quality and safety data came from 181,823 patients and reported on 34 different quality and safety variables. Included studies commonly reported the number of patients (108 studies; median number patients, 171.5), age (49 studies; mean age 35.7 years old), and the reason for admission (34 studies). The most common quality and safety data reported were the utility of the EMU admission (38 studies). Thirty-three studies (24.4%) reported on adverse events, and yielded a pooled proportion of adverse events of 7% (95% confidence interval [CI] 5-9%). The mean quality score was 73.3% (standard deviation [SD] 17.2). SIGNIFICANCE: This study demonstrates that there is a great deal of variation in the reporting of quality and safety measures and in the quality and safety in EMUs. Study quality also varied considerably from one study to the next. These findings highlight the need to develop evidence-based, consensus-driven quality indicators for EMUs.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».