Altering standard admission order sets to promote clinical laboratory stewardship: a cohort quality improvement study
Notice bibliographique
Résumé
BACKGROUND: Careful design of preprinted order sets is needed to prevent medical overuse. Recent work suggests that removing a single checkbox from an order set changes physicians' clinical decision-making. LOCAL PROBLEM: During a 2-month period, our coronary care unit (CCU) ordered almost eight times as many serum thyroid-stimulating hormone (TSH) tests as our neighbouring intensive care unit, many without a reasonable clinical basis. We postulated that we could reduce inappropriate testing and improve clinical laboratory stewardship by removing the TSH checkbox from the CCU admission order set. METHODS: After we retrospectively evaluated CCU TSH ordering before intervention, the checkbox was removed from the CCU admission order set. Twelve weeks later, we commenced a prospective 2-month assessment of TSH testing and clinical sequelae of thyroid disease among all CCU admissions. If clinical indications were absent or testing had occurred within 6 weeks, TSH requests were labelled as 'inappropriate'. RESULTS: Physician ordering and, specifically, inappropriate ordering decreased substantially after the intervention. In 2016 among physician-ordered TSH tests, 60.6% (66/109) were inappropriate; in 2017 this decreased to 20% (2/10, p=0.01). Overall, the net effect of checkbox removal saw the decrease in TSH testing without clinical indication outweigh an increase in missed testing where indications appear to exist. CONCLUSIONS: . Simple removal of a checkbox may dramatically change test ordering patterns and promote clinical laboratory stewardship. Given our reliance on order sets, particularly by trainees, changes to order sets must be cautious to assure guideline-directed care is maintained.
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 | 0,122 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».