Impact of nighttime Rapid Response Team activation on outcomes of hospitalized patients with acute deterioration
Notice bibliographique
Résumé
BACKGROUND: Rapid Response Teams (RRTs) are groups of healthcare providers that are used by many hospitals to respond to acutely deteriorating patients admitted to the wards. We sought to identify outcomes of patients assessed by RRTs outside standard working hours. METHODS: We used a prospectively collected registry from two hospitals within a single tertiary care-level hospital system between May 1, 2012, and May 31, 2016. Patient information, outcomes, and RRT activation information were stored in the hospital data warehouse. Comparisons were made between RRT activation during daytime hours (0800-1659) and nighttime hours (1700-0759). The primary outcome was in-hospital mortality, analyzed using a multivariable logistic regression model. RESULTS: A total of 6023 RRT activations on discrete patients were analyzed, 3367 (55.9%) of which occurred during nighttime hours. Nighttime RRT activation was associated with increased odds of mortality, as compared with daytime RRT activation (adjusted OR 1.34, 95% CI 1.26-1.40, P = 0.02). The time periods associated with the highest odds of mortality were 0600-0700 (adjusted OR 1.30, 95% CI 1.09-1.61) and 2300-2400 (adjusted OR 1.34, 95% CI 1.01-1.56). Daytime RRT activation was associated with increased odds of intensive care unit admission (adjusted OR 1.40, 95% CI 1.31-1.50, P = 0.02). Time from onset of concerning symptoms to RRT activation was shorter among patients assessed during daytime hours (P < 0.001). CONCLUSIONS: Acutely deteriorating ward patients assessed by an RRT at nighttime had a higher risk of in-hospital mortality. This work identifies important shortcomings in health service provision and quality of care outside daytime hours, highlighting an opportunity for quality improvement.
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 ».