Computerized Electronic Order Set: Use and Outcomes for Heart Failure Following Hospitalization
Notice bibliographique
Résumé
BackgroundQuality improvement initiatives improve health care delivery but may be resource intensive and disrupt clinical care. An embedded heart failure order set (HFOS) within a computerized physician order-entry system may mitigate these concerns.MethodsAn HFOS, based on proven interventions, was implemented within an existing computerized physician order-entry system in all adult acute-care hospitals in a single Canadian metropolitan city and interrogated between January 1, 2013 and December 31, 2015. The composite of repeat hospitalization or death within 30 days of hospital discharge and hospital length of stay were reported.ResultsIn total, 8969 patients were included with mean age 75.6 ± 13.5 years; 4673 (52.1%) were male. The HFOS was used in 731 (8.2%) patients. After analysis of 724 pairs of propensity-score matched cohorts, patients with HFOS use experienced a lower median length of stay (8.6 vs 9.4 days, P = 0.016) and a trend toward lower composite repeat hospitalization or death (14.5% vs 17.7%, P = 0.115, hazard ratio 0.79 (0.60–1.05). Patients with HFOS use were more likely to undergo a test for left ventricular ejection fraction (88.6% vs 76.7%, P < 0.001, and to be referred to a heart failure clinic (48.5% vs 6.3%), with similar rates of discharge prescription of beta-blockers (88.7% vs 86.3) and angiotensin-converting enzyme inhibitors (87.4% vs 89.0%).ConclusionsUse of a designated HFOS within a computerized physician order-entry system is associated with shorter hospital length of stay without increase in deaths or readmissions. These findings should be confirmed in a prospective controlled trial.
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 ».