Expanding Pharmacotherapy Data Collection, Analysis, and Implementation in ERAS® Programs—The Methodology of an Exploratory Feasibility Study
Notice bibliographique
Résumé
Surgical organizations dedicated to the improvement of patient outcomes have led to a worldwide paradigm shift in perioperative patient care. Since 2012, the Enhanced Recovery After Surgery (ERAS®) Society has published guidelines pertaining to perioperative care in numerous disciplines including elective colorectal and gynecologic/oncology surgery patients. The ERAS® and ERAS-USA® Societies use standardized methodology for collecting and assessing various surgical parameters in real-time during the operative process. These multi-disciplinary groups have constructed a bundled framework of perioperative care that entails 22 specific components of clinical interventions, which are logged in a central database, allowing a system of audit and feedback. Of these 22 recommendations, nine of them specifically involve the use of medications or pharmacotherapy. This retrospective comparative pharmacotherapy project will address the potential need to (1) collect more specific pharmacotherapy data within the existing ERAS Interactive Audit System® (EIAS) program, (2) understand the relationship between medication regimen and patient outcomes, and (3) minimize variability in pharmacotherapy use in the elective colorectal and gynecologic/oncology surgical cohort. Primary outcomes measures include data related to surgical site infections, venous thromboembolism, and post-operative nausea and vomiting as well as patient satisfaction, the frequency and severity of post-operative complications, length of stay, and hospital re-admission at 7 and 30 days, respectively. The methodology of this collaborative research project is described.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».