SBIRT (Screening, Brief Intervention, and Referral to Treatment) Among Trauma Patients: A Review of the Inpatient Process and Patient Experience
Notice bibliographique
Résumé
Screening, brief intervention, and referral to treatment (SBIRT) is an important and effective strategy among injury prevention measures aimed at reducing risky alcohol use (). The trauma patient population is at significant risk for alcohol-related trauma recidivism () and is therefore a priority group in which to implement SBIRT. Vancouver General Hospital (VGH) implemented SBIRT on its 2 inpatient trauma units in the fall of 2014. The alcohol use disorders screening test (AUDIT-C) was chosen as the screening tool for nurses to complete with new patients. A brief intervention was conducted by the trauma social workers in the cases where a patient scored positive on the AUDIT-C. To evaluate the implementation and effectiveness of SBIRT on the 2 inpatient trauma units at VGH and to provide recommendations for improvement, a telephone survey of past trauma patients and a review of the screening process were undertaken in May 2016. Patient follow-up was conducted via a telephone survey. Of the 79 patients who met the follow-up criteria, a total of 19 were successfully contacted. Results from the survey showed that the majority of patients did not recall being screened with the AUDIT-C and were either unsure or did not recall receiving a brief intervention by the social worker. Despite these findings, a rescreening with the AUDIT-C tool revealed that 68% of patients who participated in the survey had a lower score than when they were inpatients. Recommendations for improvement include optimizing the timing of SBIRT with trauma inpatients and implementing a follow-up system. The literature suggests that following up with patients to provide an SBIRT "booster" increases the effectiveness of brief interventions (C. ).
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) | 0,002 | 0,001 |
| 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 ».