MétaCan
Menu
Retour à la cohorte
Enregistrement W2735199618 · doi:10.1186/s13012-017-0617-5

Prioritising Responses Of Nurses To deteriorating patient Observations (PRONTO) protocol: testing the effectiveness of a facilitation intervention in a pragmatic, cluster-randomised trial with an embedded process evaluation and cost analysis

2017· article· en· W2735199618 sur OpenAlexaff
Tracey Bucknall, Gill Harvey, Julie Considine, Imogen Mitchell, Jo Rycroft‐Malone, Ian D. Graham, Mohammadreza Mohebbi, Jennifer J Watts, Alison M. Hutchinson

Notice bibliographique

RevueImplementation Science · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesMedical Research CouncilNational Health and Medical Research CouncilAustralian Commission on Safety and Quality in Health Care
Mots-clésMedicineHealth administrationProtocol (science)Intervention (counseling)FacilitationHealth services researchHealth informaticsCluster randomised controlled trialCluster (spacecraft)Public healthFamily medicineNursingAlternative medicinePathologyPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Vital signs are the primary indicator of physiological status and for determining the need for urgent clinical treatment. Yet, if physiological signs of deterioration are missed, misinterpreted or mismanaged, then critical illness, unplanned intensive care admissions, cardiac arrest and death may ensue. Although evidence demonstrates the benefit of early recognition and management of deteriorating patients, failure to escalate care and manage deteriorating patients remains a relatively frequent occurrence in hospitals. METHODS/DESIGN: A pragmatic cluster-randomised controlled trial design will be used to measure clinical effectiveness and cost of a facilitation intervention to improve nurses' vital sign measurement, interpretation, treatment and escalation of care for patients with abnormal vital signs. A cost consequence analysis will evaluate the intervention cost and effectiveness, and a process evaluation will determine how the implementation of the intervention contributes to outcomes. We will compare clinical outcomes and costs from standard implementation of clinical practice guidelines (CPGs) to facilitated implementation of CPGs. The primary outcome will be adherence to the CPGs by nurses, as measured by escalation of care as per organisational policy. The study will be conducted in four Australian major metropolitan teaching hospitals. In each hospital, eight to ten wards will be randomly allocated to intervention and control groups. Control wards will receive standard implementation of CPGs, while intervention wards will receive standard CPG implementation plus facilitation, using facilitation methods and processes tailored to the ward context. The intervention will be administered to all nursing staff at the ward level for 6 months. At each hospital, two types of facilitators will be provided: a hospital-level facilitator as the lead; and two ward-level facilitators for each ward. DISCUSSION: This study uses an innovative, networked approach to facilitation to enable uptake of CPGs. Findings will inform the intervention utility and knowledge translation measurement approaches. If successful, the study methodology and intervention has potential for translation to other health care standards. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry (ANZCTR), ACTRN12616000544471p.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,058
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,176

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,058
Méta-épidémiologie (sens strict)0,0050,002
Méta-épidémiologie (sens large)0,0060,004
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0030,003
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 Opus0,566
Tête enseignante GPT0,704
Écart entre enseignants0,138 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations24
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207