Nicotine addiction management following surgery: a quality improvement approach in the post anesthesia care unit
Notice bibliographique
Résumé
QUALITY PROBLEM: For smokers, hospital admission is accompanied by forced involuntary nicotine abstinence due to smoke-free site/grounds policies. An audit of patients admitted to our surgical wards revealed that identification of smoking status was inadequate and that nicotine addiction management (NAM) was infrequently offered. The project aimed to enhance both these metrics by initiating NAM in the post anesthesia care unit (PACU). INITIAL ASSESSMENT: Out of 744 patients admitted to our PACU in August 2015, 54% had their smoking status documented. The 200 patients (27%) out of the 744 were smokers and only 50% were offered NAM before discharge. CHOICE OF SOLUTION: PACU unit staff to determine the smoking status of every patient before discharge from the PACU (later changed to OR nursing staff) and, if a patient was identified as a smoker, to offer NRT (patch and mouth spray only) and initiate therapy prior to transfer of the patient to the ward. IMPLEMENTATION: Data about number of patients admitted, presence of documented smoking status, number of identified smokers, and number offered/accepted nicotine replacement therapy (NRT) were collected at baseline and thereafter quarterly. Engaging video education sessions addressed the education gaps highlighted in a needs assessment. Identification of smoking status was made part of preoperative checklist and NRT was made available in post-operative recovery room. RESULTS: These interventions resulted in an increase in screening for tobacco use from 54% at baseline to 95% and the offer of NRT to smokers from 50 to 89%.
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 | 0,021 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».