17 Improving communication in a multidisciplinary team using digital monitors and a handover tool (ATMIST mnemonic) during paediatric traumas
Notice bibliographique
Résumé
Background Paediatric traumas have been described as high-stake, low occurrence emergencies and are a leading cause of morbidity and mortality worldwide. Delivering appropriate care is imperative and relies on interdisciplinary teamwork. Assessment of issue Informal interviews revealed that interruptions from various team members, as they enter the trauma bay, to the trauma team leader (TTL) was felt to contribute to poor communication and teamwork. Digital monitors in the trauma bay at our institution were therefore introduced to display information using the ‘ATMIST (Age, Time, Mechanism, Injury, Signs, Treatment)’ mnemonic. Unfortunately, uptake had been poor, being used in only half of the cases. Strategy for improvement We identified factors (figure 1) contributing to the inconsistent use of the ATMIST tool and then implemented various strategies to improve use of the tool such as we increased awareness by email communication and added the ATMIST tool as pre-arrival checkbox to the trauma intake form. Improvement of interventions were studied through structured observation of traumas. The outcome measure was defined as the proportion of total trauma activations with ATMIST tool partially or fully completed. Additional measures included number of interruptions to TTL (clinical measure), number of incorrectly entered items (balancing measure), and TTL satisfaction (qualitative measure). There was an increased use of the ATMIST tool from 50% to 66% in a 2 month period following all interventions. Interruptions to the TTL were observed less frequently and there was no increase in incorrect items displayed. Lessons learnt Continuous QI methodology help identify obstacles and strategies to improve overall care. More trauma observations and further PDSA cycles, now that strategies have been implemented, are required in order to determine whether the tool continues to be used, reduces TTL interruptions, improves overall communication and teamwork.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».