MétaCan
Menu
Retour à la cohorte
Enregistrement W2883325723 · doi:10.1097/ccm.0000000000003320

Handovers Among Staff Intensivists: A Study of Information Loss and Clinical Accuracy to Anticipate Events*

2018· article· en· W2883325723 sur OpenAlexaff
Mariana V. Monteiro, Karina Braga Ribeiro, Guilherme Schettino, André Carlos Kajdacsy-Balla Amaral

Notice bibliographique

RevueCritical Care Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical diagnosisMorningEmergency medicineAnticipation (artificial intelligence)Observational studyProspective cohort studyPatient safetyMedical emergencyPediatricsInternal medicineHealth care

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Handovers are associated with medical errors, and our primary objective is to identify missed diagnosis and goals immediately after a shift handover. Our secondary objective is to assess clinicians' diagnostic accuracy in anticipating clinical events during the night shift. DESIGN: Single-center prospective observational cohort study. SETTING: Thirty-bed tertiary ICU in Sao Paulo, Brazil. PATIENTS: Three-hundred fifty-two patient encounters over 44 day-to-night handovers. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: We used a multimethods approach to measure transmission of information among staff physicians on diagnoses and goals for the night shift. We surveyed clinicians immediately after a handover and identified clinical events through chart abstractions and interviews with clinicians the next morning. Nighttime clinicians correctly identified 454 of 857 diagnoses (53%; 95% CI 50-56) and 123 of 304 goals (40%; 95% CI, 35-46). Daytime clinicians were more sensitive (65% vs 46%; p < 0.01) but less specific (82% vs 91%; p < 0.01) than nighttime clinicians in anticipating clinical events at night, resulting in similar accuracy (area under the receiver operating characteristic curve, 0.74 [95% CI, 0.68-0.79] vs 0.68 [95% CI 0.63-0.74]; p = 0.09). The positive predictive value of both daytime and nighttime clinicians was low (13% vs 17%; p = 0.2). Gaps in diagnosis and anticipation of events were more pronounced in neurologic diagnoses. CONCLUSIONS: Among staff intensivists, diagnoses and goals of treatment are either not conveyed or retained 50-60% of the cases immediately after a handover. Clinicians have limited ability to anticipate events, and the expectation that anticipatory guidance can inform handovers needs to be balanced against information overload. Handovers among staff intensivists showed more gaps in the identification of diagnostic uncertainty and for neurologic diagnoses, which could benefit from communication strategies such as cognitive checklists, prioritizing discussion of neurologic patients, and brief combined clinical examination at handover.

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)0,005
score de la tête « metaresearch » (Gemma)0,053
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 enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,053
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,035
Tête enseignante GPT0,417
Écart entre enseignants0,382 · 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

Citations33
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetHospital Admissions and OutcomesTravaux en français237 207