The efficiency of STAT’s order throughout alert technology for the nurse’s mobile station in Taiwan: A trajectory study
Notice bibliographique
Résumé
Nursing information system combined with computerized physician order entry is a new technology on patient medication safety. With the help of clinical decision support and the alert reminder of the mobile station, the medication administration will be more precise. The purpose of this study was to predict the change of time on Stat Order before and after the implementation of the decision alert system. Design: Throughout a longitudinal study and a nested design--level 1 was the frequency of time on Stat Order (including the baseline, one up to six times); level 2 was the subject (nurses). Settings: The subjects were divided into two groups: before (paper group) and after (computer group with flash of alert to remind nurses) implementation. The data of nursing information system was used to collect the administration medication of time on Stat Order. Participants: There were 198 nurses enrolled and 2,376 time on Stat Order in this study. The study was carried out between July to October 2008. STATA 12.0 was adopted for descriptive statistics and multilevel regression analysis. The result showed that the mixed regression model of time on Stat Order on computer group was significantly reduced than on paper group (95% CI: -99.05~-61.65, p < .001). Furthermore, it also showed a significantly reduced time on each visit (95% CI: -13.63~-9.89, p < .00). The inter-correlation value was .66~.67. We recommended integrating this new alert technology, a high quality and timely method, with nurse’s routine work to improve medication administration on health care service.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».