A Clinical Nurse Specialist–Led Initiative to Reduce Deficits in Tube Feeding Administration for the Surgical and Trauma Populations
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: The purpose of this clinical nurse specialist-led initiative was to redefine the standard of care to reduce the deficit that exists between the daily amount of tube feedings prescribed versus received by patients in a surgical-trauma intensive care unit. DESCRIPTION OF THE PROJECT: Nutrition plays a vital role in health and wellness. Although nutritional recommendations are not always met by individuals on a daily basis-the presence of in-hospital malnutrition presents greater risks and complications after a surgery or traumatic event. An evidence-based algorithm for initiating and maintaining tube feedings was developed and incorporated into morning bedside report. A preintervention and postintervention chart analysis was done to calculate the amount of tube feedings received by patients during their first 5 days of admission. OUTCOMES: Preintervention data revealed that 29 patients received a mean 49.8% (SD, 21.6%) of tube feedings prescribed, and postintervention data showed 31 patients received 60.4% (SD, 18.5%) of tube feedings prescribed (P = .04). CONCLUSION: Through the implementation of a tube feeding algorithm, there was a reduction of tube feed interruptions and volume deficits during the first 5 days of admission.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».