Factors associated with peripheral intravenous cannulation first-time insertion success in the emergency department. A multicentre prospective cohort analysis of patient, clinician and product characteristics
Notice bibliographique
Résumé
Objectives This study aimed to identify the incidence of and factors associated with peripheral intravenous catheter/cannula (PIVC) first time insertion success (FTIS) in the emergency department (ED). Design Prospective cohort study. Setting Two tertiary EDs in Western Australia. Participants 879 ED patients. Primary outcome To identify factors affecting FTIS using univariate and multivariate logistic regression modelling. We created four models: patient factors only; clinician factors only; products and technology factors only and all factors model . We assessed each model’s performance using area under the receiver operating characteristic curve. Results A total of 1201 PIVCs were inserted in 879 patients. The mean age was 60.3 (SD 22) years with slightly more females (52%). The FTIS rate was 73%, with 128 (15%) requiring a second attempt and 83 (9%) requiring three or more attempts. A small percentage (3%) had no recorded number of subsequent attempts. FTIS was related to the following patient factors: age (for a 1-year increase in age: OR 0.99, 95% CI 0.983 to 0.998; p=0.0097); and target vein palpability: (always palpable vs never palpable: OR 3.53 95% CI 1.64 to 7.60; only palpable with tourniquet vs never palpable: OR 2.20, 95% CI 1.06 to 4.57; p=0.0014). Clinician factors related to FTIS include: clinicians with greater confidence (p<0.0001) and insertion experience (301–1000 vs <301: OR 1.54, 95% CI 1.02 to 2.34; >1000 vs <301: OR 2.07, 95% CI 1.41 to 3.04; p=0.0011). The final all factors model combining patient factors; clinician factors and product and technology factors has greater discriminative ability than specific factors models. It has a sensitivity of 74.26%, specificity of 57.69%, positive predictive value of 82.87% and negative predictive value of 44.85%. Conclusion A clinical decision, matching patients who have no palpable veins and are older, with clinicians with greater confidence and experience, will likely improve FTIS. Trialregistration number ANZCTRN12615000588594; Results.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».