Major reductions in unnecessary aspartate aminotransferase and blood urea nitrogen tests with a quality improvement initiative
Notice bibliographique
Résumé
BACKGROUND/CONTEXT: Unnecessary laboratory testing leads to considerable healthcare costs. Aspartate aminotransferase (AST), commonly ordered with alanine aminotransferase (ALT) and blood urea nitrogen (BUN), commonly ordered with creatinine (Cr), often add little value to patient management at significant cost. We undertook a choosing wisely based quality improvement initiative to reduce the frequency of testing. OBJECTIVES: To reduce the ratio of AST/ALT and BUN/Cr to less than 5% for all inpatient and outpatient test orders. MEASURES: Absolute number and ratio of AST/ALT and BUN/Cr; AST, ALT, BUN and Cr tests per 100 hospital days; projected annualised cost savings and monthly acute inpatient bed days. IMPROVEMENTS: We created guidelines for appropriate indications of AST and BUN testing, provided education with audit and feedback and removed AST and BUN from institutional order sets. IMPACT/RESULTS: The ratios of AST/ALT and BUN/Cr decreased significantly over the study period (0.37 to 0.14, 0.57 to 0.14, respectively), although the goal of 0.05 was not achieved due to a delay in adopting the choosing wisely strategies during the study time period by some inpatient units. The number of tests per 100 hospital days decreased from 20 to 7 AST (95% CI 19 to 20.5, 5.6 to 8.7, p<0.001) and from 72 to 17 BUN (95% CI 70 to 73.4, 16.6 to 22.9, p<0.001). The initiative resulted in a projected annualised cost savings of C$221 749. DISCUSSION: A significant decrease in the AST/ALT and BUN/Cr ratios can be achieved with a multimodal approach and will result in substantial healthcare savings.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».