Reducing harm from falls.
Notice bibliographique
Résumé
Serious adverse event reporting from district health boards (DHBs) brought in-hospital falls to the attention of the Health Quality & Safety Commission (the Commission) when it was incepted in 2010. In 2012, responding to the large numbers reported, the Commission began planning for a three-year programme to reduce harm from falls, initially to run 2013-2015. In this article we discuss the serious consequences of falls, and the challenges and practical considerations involved in reducing the risk of falling and the rate of falls. We explore the Commission's choice of an adaptive approach in its programme, and show how a targeted measurement framework and national action has led to a nationwide statistically significant reduction in fractured neck of femur (hip fracture) and associated costs resulting from in-hospital falls, from a median of 12 per 100,000 admissions to eight per 100,000 admissions, sustained as at June 2016 for six quarters. This reduction reflects nationwide implementation of two key care processes: 1.) the percentage of patients 75 and over provided with an assessment of their risk of falling upon admission to hospital has risen from 77% in the first quarter of 2013 to 91% nationally in June 2016, 2.) the percentage of those with identified risk who were provided with an individualised care plan that addressed those risks has risen from 77% of older patients in the first quarter of 2013 to 95% nationally in June 2016. (These results are also reflected in a 14% decrease to 30 June 2016 in numbers of falls reported by DHBs as serious adverse events). Finally, we give a call to arms to the disparate health practitioners and services across all settings for individualised responses to prevent falls one patient at a time, and for leadership responses that promote an integrated approach to falls in older people.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».