Evaluation of a digital triage platform in Uganda: A quality improvement initiative to reduce the time to antibiotic administration
Notice bibliographique
Résumé
BACKGROUND: Sepsis is the leading cause of death in children under five in low- and middle-income countries. The rapid identification of the sickest children and timely antibiotic administration may improve outcomes. We developed and implemented a digital triage platform to rapidly identify critically ill children to facilitate timely intravenous antibiotic administration. OBJECTIVE: This quality improvement initiative sought to reduce the time to antibiotic administration at a dedicated children's hospital outpatient department in Mbarara, Uganda. INTERVENTION AND STUDY DESIGN: The digital platform consisted of a mobile application that collects clinical signs, symptoms, and vital signs to prioritize children through a combination of emergency triggers and predictive risk algorithms. A computer-based dashboard enabled the prioritization of children by displaying an overview of all children and their triage categories. We evaluated the impact of the digital triage platform over an 11-week pre-implementation phase and an 11-week post-implementation phase. The time from the end of triage to antibiotic administration was compared to evaluate the quality improvement initiative. RESULTS: There was a difference of -11 minutes (95% CI, -16.0 to -6.0; p < 0.001; Mann-Whitney U test) in time to antibiotics, from 51 minutes (IQR, 27.0-94.0) pre-implementation to 44 minutes (IQR, 19.0-74.0) post-implementation. Children prioritized as emergency received the greatest time benefit (-34 minutes; 95% CI, -9.0 to -58.0; p < 0.001; Mann-Whitney U test). The proportion of children who waited more than an hour until antibiotics decreased by 21.4% (p = 0.007). CONCLUSION: A data-driven patient prioritization and continuous feedback for healthcare workers enabled by a digital triage platform led to expedited antibiotic therapy for critically ill children with sepsis. This platform may have a more significant impact in facilities without existing triage processes and prioritization of treatments, as is commonly encountered in low resource settings.
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 | 0,034 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».