Implementation of pain best practices as part of the spinal cord injury knowledge mobilization network
Notice bibliographique
Résumé
Context/objective: The spinal cord injury (SCI) knowledge mobilization network (KMN) is a community of practice formed in 2011 as part of a national best practice implementation (BPI) effort to improve SCI care. This study objective was to determine whether completion and documentation of pain practices could be improved in a neurorehabilitation setting using the KMN implementation approach.Design: Single site, pre–post intervention study.Setting: Neurorehabilitation hospital.Participants: Twenty sequential consenting inpatients with SCI, with retrospective comparative analysis of 50 sequential SCI admissions pre-KMN.Interventions: A local Site Implementation Team (SIT) was formed to develop an implementation plan, including acceptable timeframes for completion and documentation of four specific pain best practices: (1) pain assessment on admission, (2) development of an Inter-Professional Pain Treatment Plan (IPTP), (3) pain monitoring throughout admission, and (4) a pain discharge plan.Outcomes: Provider adherences to pain best practices were the primary outcomes. The secondary outcome was patient satisfaction.Results: Provider adherence for most outcomes exceeded 70% completion within acceptable timeframes, with improvements found for all outcomes as compared to the retrospective cohort. Notably, pain education as part of the IPTP improved from 12% completion to 74%, documenting pain onset from 4.5% to 80% and pain discharge plan from 40% to 74%. Overall, participants were satisfied with their pain management.Conclusions: Pain best practices were more consistently documented after the KMN implementation. Pain practices in all four areas have now been expanded to all inpatient diagnoses using the same forms and framework created in the implementation process.
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 | 0,074 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».