Implementation of the best practice guidelines on geriatric trauma care: a Canadian perspective
Notice bibliographique
Résumé
BACKGROUND: traumatic injuries are increasingly affecting older patients who are prone to more complications and poorer recovery compared to younger patients. Practices of trauma health care providers therefore need to be adapted to meet the needs of geriatric trauma patients. OBJECTIVE: to assess the implementation of the American College of Surgeons best practice guidelines on geriatric trauma management across level I to III Canadian trauma centres. METHODS: 69 decision-makers working in Canadian trauma centres were approached to complete a web-based practice survey. Percentages and means were calculated to describe the level of best practice guideline implementation. RESULTS: 50 decision-makers completed the survey for a response rate of 72%. Specialised geriatric trauma resources were utilised in 37% of centres. Implementation of mechanisms to evaluate common geriatric issues (e.g. frailty, malnutrition and delirium) varied from 28 to 78% and protocols for the optimisation of geriatric care (e.g. Beers criteria to adjust medication, anticoagulant reversal and early mobilisation) from 8 to 56%. Guideline recommendations were more often implemented in level I and level II trauma centres. The adjustment of trauma team activation criteria to the geriatric population and transition of care protocols were more frequently used by level III centres. CONCLUSION: despite the growing number of older patients admitted in Canadian trauma centres annually, the implementation of best practice guidelines on geriatric trauma management is still limited. Prospective multicentre studies are required to develop and evaluate interdisciplinary knowledge translation initiatives that will promote the uptake of guidelines by trauma centres.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».