MétaCan
Menu
← Retour à la cohorte
Enregistrement W2804852702 · doi:10.1093/pch/pxy054.028

IMPLEMENTATION AND EVALUATION OF A DKA ORDER SET IN A PEDIATRIC TERTIARY CARE HOSPITAL: A QUALITY IMPROVEMENT INITIATIVE

2018· article· en· W2804852702 sur OpenAlexaboutno aff
Kayla Flood, Munier Nour, Vicki Cattell, Tayna Holt, Blair Seifert, Janlyn Rozdilsky, Mark D. Inman

Notice bibliographique

RevuePaediatrics & Child Health · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiabetic ketoacidosisMedicinePDCAPediatricsQuality managementMultidisciplinary approachEmergency medicineDiabetes mellitusIntensive care medicineOperations management

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND Diabetic ketoacidosis (DKA) is a common clinical presentation in new and previously diagnosed paediatric patients with type 1 diabetes. In contrast to other Canadian tertiary paediatric hospitals, our center lacked a physician-endorsed evidence-informed care pathway for management of DKA. In the absence of a standardized approach to DKA, variability in patient management and outcomes were observed. This project was a quality improvement initiative that sought to develop and pilot a paediatric DKA order set. OBJECTIVES Our primary aim was to attain broad clinical uptake of the order set at our tertiary care center over a 12-month period. Secondary aims included improved standard-of-care DKA management: appropriate fluid bolus volume and maintenance rates; initial potassium management; and timely dextrose supplementation. DESIGN/METHODS A paediatric multidisciplinary collaborative was created to examine evidence for the development and implementation of a DKA order set. Implementation of the order set involved department wide education, targeted end-user education, and quarterly end-user review. A modified plan-do-study-act (PDSA) cycle guided by end-user feedback and early clinical outcomes allowed progressive order set modifications. RESULTS A retrospective chart review of fifty paediatric patients presenting to our center between April 2014 and September 2016 (pre-implementation) was compared to thirty paediatric patients presenting in DKA during the post-implementation phase (September 2016 – September 2017). There were no statistically significant differences in demographic and clinical characteristics between the groups. We achieved 83% uptake of the order set for patients presenting to our tertiary center and 67% uptake for patients transferred from peripheral centers. Improvements in DKA management included: appropriate intravenous (IV) maintenance fluid rates (20% vs. 48.3%, p=0.008), earlier administration of potassium to IV fluids (66% vs. 93.1%, p=0.006); appropriate potassium chloride dosing (40 mmol/L) to IV fluid (40% vs. 79.3%, p=0.0007) and earlier addition of IV dextrose (67.4% vs. 93.1%, p=0.009). No differences in moderate to severe hypokalemia (< 3.0 mmol/L), hypoglycemia (<4.0 mmol/L) or clinically suspected cerebral edema occurred. CONCLUSION Implementation of a DKA order set in a tertiary hospital required identification of key stakeholders, formation of a multidisciplinary team, and the development of an evaluation process. There was an observed increase in physician order set uptake and DKA management practice improvements. Future goals involve expanding the implementation and evaluation process to regional and remote centers and analyzing the impact on resource utilization.

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)0,062
score de la tête « metaresearch » (Gemma)0,077
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,326

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0620,077
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,420
Écart entre enseignants0,377 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetDiabetes Management and Research→Travaux en français237 207→