MétaCan
Menu
Retour à la cohorte
Enregistrement W2592809239 · doi:10.4037/aacnacc2017122

Training and Maintaining: Developing a Successful and Dynamic Continuous Renal Replacement Therapy Program

2017· article· en· W2592809239 sur OpenAlexaboutno aff
Heather Przybyl, Jill Evans, Laurie Haley, Jodi Bisek, Emily Beck

Notice bibliographique

RevueAACN Advanced Critical Care · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenal replacement therapyMedicineIntensive care medicineCritically illFidelityTraining (meteorology)HemodialysisKidney diseaseAcute kidney injuryNursingMedical emergencyPhysical therapySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Continuous renal replacement therapy (CRRT) is commonly used to support critically ill patients with acute kidney injury or chronic renal disease whose condition is too unstable for them to tolerate intermittent hemodialysis. Current publications related to CRRT programs in the United States and Canada note key themes related to the development and maintenance of CRRT training programs. A successful CRRT training program should consider and incorporate adult learning principles whenever possible. A variety of teaching methods to deliver information to nurses, including online learning modules, didactic lecture, return demonstration, and high-fidelity patient simulation are key to training programs for this high-risk complex therapy. This article outlines the approach to training nurses to care for patients receiving CRRT at a health care system in Arizona.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,750

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,437
Écart entre enseignants0,382 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAACN Advanced Critical CareMême sujetAcute Kidney Injury ResearchTravaux en français237 207