Impact of a Multidisciplinary Sepsis Initiative on Knowledge and Behavior in a Pediatric Center
Notice bibliographique
Résumé
Objective: Our institution performed an educational initiative targeting previously identified barriers to pediatric sepsis recognition and treatment. We hypothesized that provider knowledge, attitude, and behavior would be improved 1 year after implementation. Methods: This was a prospective, observational study of a multi-faceted quality initiative introduced to providers in the Emergency Department, inpatient wards, and Pediatric Intensive Care Unit of a tertiary care children’s hospital. Educational platforms consisted of quarterly electronic sepsis “newsletters,” brightly colored posters highlighting protocol and screening strategies displayed throughout the hospital, and low-fidelity simulation sessions (drills) led by trained staff and incorporated into daily workflows. The content was driven by feedback from a baseline needs assessment of sepsis education. One year after implementation, the needs assessment was repeated. Results: Over 3 months, facilitators conducted 197 drills and captured a majority of nurses (89%), pediatrics residents (96%), and respiratory therapists (62%). By 6 months, 241 sessions had been completed. Approximately 55.4% of the 442 eligible staff participated in our post-intervention survey. Overall, knowledge of diagnostic criteria for pediatric sepsis and septic shock increased from pre-intervention levels (P = 0.015). Among post-implementation respondents, drill participants outperformed their colleagues (P = 0.001). A greater percentage of post-intervention respondents indicated comfort with sepsis recognition (P < 0.001), and fewer reported hesitating to bring sepsis concerns to their care team (P < 0.01). Conclusions: Our findings suggest that a multidisciplinary curriculum balancing active education—through brief, targeted simulation—and general awareness—through electronic resources and a poster campaign—can improve sepsis-related knowledge, attitude, and behavior among pediatric practitioners.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».