MétaCan
Menu
Retour à la cohorte
Enregistrement W2998850350 · doi:10.1136/bmjoq-2019-000797

Improving timely analgesia administration for musculoskeletal pain in the emergency department

2020· article· en· W2998850350 sur OpenAlexaff
V. Woolner, R. Ahluwalia, Hilary Lum, K. Beane, Jackie Avelino, Lucas B. Chartier

Notice bibliographique

RevueBMJ Open Quality · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineEmergency departmentTriagePatient-controlled analgesiaPDCAPain managementEmergency medicineMedical recordPatient satisfactionPacuQuality managementMedical emergencyPhysical therapyAnesthesiaNursingInternal medicinePostoperative pain

Résumé

récupéré en direct d'OpenAlex

Delays to adequate analgesia result in worse patient care, decreased patient and provider satisfaction and increased patient complaints. The leading presenting symptom to emergency departments (EDs) is pain, with approximately 34 000 such patients per year in our academic hospital ED and 3300 visits specific for musculoskeletal (MSK) injuries. Our aim was to reduce the time-to-analgesia (TTA; time from patient triage to receipt of analgesia) for patients with MSK pain in our ED by 55% (to under 60 min) in 9 months' time (May 2018). Our outcome measures included mean TTA and ED length of stay (LOS). Process measures included rates of analgesia administration and of use of medical directives. We obtained weekly data capture for Statistical Process Control (SPC) charts, as well as Mann-Whitney U tests for before-and-after evaluation. We performed wide stakeholder engagement, root cause analyses and created a Pareto Diagram to inform Plan-Do-Study-Act (PDSA) cycles, which included: (1) nurse-initiated analgesia at triage; (2) a new triage documentation aid for medication administration; (3) a quick reference medical directive badge for nurses; and (4) weekly targeted feedback of the project's progress at clinical team huddle. TTA decreased from 129 min (n=153) to 100 min (22.5%; n=87, p<0.05). Special cause variation was identified on the ED LOS SPC chart with nine values below the midline after the first PDSA. The number of patients that received any analgesia increased from 42% (n=372) to 47% (n=192; p=0.13) and those that received them via medical directives increased from 22% (n=154) to 44% (n=87; p<0.001). We achieved a significant reduction of TTA and an increased use of medical directives through front-line focused improvements.

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)0,011
score de la tête « metaresearch » (Gemma)0,034
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 enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,113
Tête enseignante GPT0,452
Écart entre enseignants0,339 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open QualityMême sujetEmergency and Acute Care StudiesTravaux en français237 207