MétaCan
Menu
Retour à la cohorte
Enregistrement W2970264385 · doi:10.7759/cureus.5523

Implementation of Chest Compression Feedback Technology to Improve the Quality of Cardiopulmonary Resuscitation in the Emergency Department: A Quality Initiative Test-of-change Study

2019· article· en· W2970264385 sur OpenAlexafffundabout
Jodie Pritchard, Jillian Roberge, Joseph Bacani Bacani, Michelle Welsford, Shawn Mondoux

Notice bibliographique

RevueCureus · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrest and Resuscitation
Établissements canadiensMcMaster UniversityMcMaster Children's Hospital
Organismes subventionnairesZOLL Medical CorporationMcMaster UniversityHamilton Health Sciences
Mots-clésMedicineCardiopulmonary resuscitationEmergency departmentTest (biology)Medical emergencyQuality (philosophy)ResuscitationEmergency medicineNursing

Résumé

récupéré en direct d'OpenAlex

Background Cardiopulmonary resuscitation (CPR) metrics including compression rate and depth are associated with improved outcomes and the need for high-quality CPR is emphasized in both the American Heart Association (AHA) and Heart and Stroke Foundation of Canada (HSFC) guidelines. While these metrics can be utilized to assess the quality of CPR, they are infrequently measured in an objective fashion in the emergency department. Objectives As part of an Emergency Department (ED) Quality Improvement (QI) project, we sought to determine the impact of real-time audio-visual (AV) feedback during CPR amongst ED healthcare providers. Methods Participants performed two minutes of uninterrupted CPR without AV feedback, followed by two minutes of CPR with AV feedback after a two-minute rest period in a simulated CPR setting. CPR metrics were captured by the defibrillator and uploaded to review software for analysis of each event. Results The use of real-time AV feedback resulted in a significant improvement in the number of participants meeting AHA/HSFC recommended depth (38%, p = 0.0003) and rate (35%, p = 0.0002). Importantly, 'compressions in target', where participants met both rate and depth simultaneously, improved with AV feedback (19 vs 61%, p < 0.0001). Conclusions We found a significant improvement in compliance with CPR depth and rate targets as well as 'compressions in target' with the use of real-time AV feedback during simulation training. Future research is needed to ascertain whether these results would be replicated in other settings. Our findings do provide a robust argument for the implementation of real-time AV CPR feedback in Hamilton Emergency Departments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,421
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetCardiac Arrest and ResuscitationTravaux en français237 207