Effectiveness of rapid response teams in reducing intrahospital cardiac arrests and deaths: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of rapid response teams using early identification of clinical deterioration in reducing the occurrence of in-hospital mortality and cardiorespiratory arrest. DATA SOURCES: The MEDLINE, LILACS, Cochrane Library, Center for Reviews and Dissemination databases were searched. STUDY SELECTION: We included studies that evaluated the effectiveness of rapid response teams in adult hospital units, published in English, Portuguese, or Spanish, from 2000 to 2016; systematic reviews, clinical trials, cohort studies, and prepost ecological studies were eligible for inclusion. The quality of studies was independently assessed by two researchers using the Newcastle-Ottawa, modified Jadad, and Assessment of Multiple Systematic Reviews scales. DATA EXTRACTIONS: The results were synthesized and tabulated. When risk measures were reported by the authors of the included studies, we estimated effectiveness as 1-RR or 1-OR. In pre-post studies, we estimated effectiveness as the percent decrease in rates following the intervention. RESULTS: Overall, 278 studies were identified, 256 of which were excluded after abstract evaluation, and two of which were excluded after full text evaluation. In the meta-analysis of the studies reporting mortality data, we calculated a risk ratio of 0.85 (95%CI 0.76 - 0.94); and for studies reporting cardiac arrest data the estimated risk ratio was 0.65 (95%CI 0.49 - 0.87). Evidence was assessed as low quality due to the high heterogeneity and risk of bias in primary studies. CONCLUSION: We conclude that rapid response teams may reduce in-hospital mortality and cardiac arrests, although the quality of evidence for both outcomes is low.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».