MétaCan
Menu
Retour à la cohorte
Enregistrement W3010526634 · doi:10.4037/ajcc2020396

Variation in the Management of Pain, Agitation, and Delirium in Intensive Care Units in British Columbia

2020· article· en· W3010526634 sur OpenAlexaffabout
Judy A. Chiu, Meher Shergill, Vinay Dhingra, Juan J. Ronco, Allana LeBlanc, Chantale Pamplin, Shari McKeown, Peter Dodek

Notice bibliographique

RevueAmerican Journal of Critical Care · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensThompson Rivers UniversityVancouver Coastal HealthCentre for Advancing Health Outcomes
Organismes subventionnairesnon disponible
Mots-clésDeliriumSedationMedicinePain assessmentIntensive care unitIntensive carePain managementIntensive care medicineEmergency medicinePhysical therapyAnesthesia

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Pain, agitation, and delirium are associated with negative outcomes in critically ill patients. Reducing variation in pain, agitation, and delirium management among institutions could improve care. OBJECTIVES: To define opportunities to improve pain, agitation, and delirium management in intensive care units in British Columbia, Canada. METHODS: A 13-item survey was developed to determine practices for assessing and managing pain, agitation, and delirium. Target participants were persons designated as the most informed about pain, agitation, and delirium management at each of the 30 intensive care units in British Columbia. Main measures were protocol use, assessment tool(s) used and frequency, and management approaches. RESULTS: All 30 units responded; half of them had a unit-specific pain algorithm. The Behavioral Pain Scale and the numerical rating scale were the most common tools used to assess pain. Sites reported 15 different approaches to pain management: two-thirds used a sedation assessment tool, but some relied on physician diagnoses to identify sedation. Sites reported 18 different approaches to sedation management: most included an algorithm or order set for sedation management, but the most commonly used approach was individualized management by a clinician (17% for sedation and 30% for agitation). Sites reported 22 different approaches for delirium management: more than two-thirds used a delirium measurement instrument, but some relied on physician diagnoses to identify delirium. CONCLUSION: Variation in assessment and management of pain, agitation, and delirium in British Columbia intensive care units highlights opportunities to improve care.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,281
Écart entre enseignants0,267 · 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

Citations11
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Critical CareMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207