Caregiver knowledge and skills to safely care for pediatric tracheostomy ventilation at home
Notice bibliographique
Résumé
OBJECTIVE: Caregivers of children using home mechanical ventilation (HMV) via tracheostomy require appropriate knowledge and skills. Existing training curricula are locally developed and content variable. We sought to develop a competency checklist to inform initial training and subsequent assessment of knowledge and skills of family caregivers. METHODS: We used a 2-step process. Candidate items were generated by synthesis of a scoping review, existing checklists, with additional items suggested by an eight member inter-professional group representing pediatric HMV programs across Canada. Following removal of duplicate items, we conducted a three-round Delphi to gain consensus on items for the KidsVent Checklist. RESULTS: The scoping review and checklists from five HMV programs identified 18 domains and 172 items; one additional domain and 83 additional items were identified by our expert group who also classified domains as mandatory or optional. We recruited 95 clinicians representing 12 Canadian paediatric HMV programs to participate in Delphi round 1 (response rate 72%; 84%, and 100% for subsequent rounds). Importance rating of the 255 items reduced them to 246 items. In the final checklist, the 19 domains comprised 14 mandatory (189 mandatory items) and 5 optional domains (57 optional items). CONCLUSIONS: We have developed the KidsVent checklist using rigorous consensus building methods, informed by participants with diverse geographic and inter-professional representation. This checklist represents knowledge and skills required to safely care for children using tracheostomy ventilation at home. Further study is required to explore the impact of this checklist on outcomes of this growing group of technology-dependent children.
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 ».