MétaCan
Menu
Retour à la cohorte
Enregistrement W2982399080 · doi:10.2196/14603

Challenges With Continuous Pulse Oximetry Monitoring and Wireless Clinician Notification Systems After Surgery: Reactive Analysis of a Randomized Controlled Trial

2019· article· en· W2982399080 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueJMIR Medical Informatics · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensHamilton Health SciencesSt. Joseph’s Healthcare HamiltonWestern UniversityMcMaster UniversityImpact
Organismes subventionnairesnon disponible
Mots-cléseHealthMedicineVital signsPatient safetyNursingRandomized controlled trialWorkflowMedical emergencyPsychological interventionHealth careSoftware deploymentTelehealthTelemedicineComputer scienceSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Research has shown that introducing electronic Health (eHealth) patient monitoring interventions can improve healthcare efficiency and clinical outcomes. The VIGILANCE (VItal siGns monItoring with continuous puLse oximetry And wireless cliNiCian notification aftEr surgery) study was a randomized controlled trial (n=2049) designed to assess the impact of continuous vital sign monitoring with alerts sent to nursing staff when respiratory resuscitations with naloxone, code blues, and intensive care unit transfers occurred in a cohort of postsurgical patients in a ward setting. This report identifies and evaluates key issues and challenges associated with introducing wireless monitoring systems into complex hospital infrastructure during the VIGILANCE eHealth intervention implementation. Potential solutions and suggestions for future implementation research are presented. OBJECTIVE: The goals of this study were to: (1) identify issues related to the deployment of the eHealth intervention system of the VIGILANCE study; and (2) evaluate the influence of these issues on intervention adoption. METHODS: During the VIGILANCE study, issues affecting the implementation of the eHealth intervention were documented on case report forms, alarm event forms, and a nursing user feedback questionnaire. These data were collated by the research and nursing personnel and submitted to the research coordinator. In this evaluation report, the clinical adoption framework was used as a guide to organize the identified issues and evaluate their impact. RESULTS: Using the clinical adoption framework, we identified issues within the framework dimensions of people, organization, and implementation at the meso level, as well as standards and funding issues at the macro level. Key issues included: nursing workflow changes with blank alarm forms (24/1030, 2.33%) and missing alarm forms (236/1030, 22.91%), patient withdrawal (110/1030, 10.68%), wireless network connectivity, false alarms (318/1030, 30.87%), monitor malfunction (36/1030, 3.49%), probe issues (16/1030, 1.55%), and wireless network standards. At the micro level, these issues affected the quality of the service in terms of support provided, the quality of the information yielded by the monitors, and the functionality, reliability, and performance of the monitoring system. As a result, these issues impacted access through the decreased ability of nurses to make complete use of the monitors, impacted care quality of the trial intervention through decreased effectiveness, and impacted productivity through interference in the coordination of care, thus decreasing clinical adoption of the monitoring system. CONCLUSIONS: Patient monitoring with eHealth technology in surgical wards has the potential to improve patient outcomes. However, proper planning that includes engagement of front-line nurses, installation of appropriate wireless network infrastructure, and use of comfortable cableless devices is required to maximize the potential of eHealth monitoring. TRIAL REGISTRATION: ClinicalTrials.gov NCT02907255; https://clinicaltrials.gov/ct2/show/NCT02907255.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,329
Écart entre enseignants0,300 · 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