MétaCan
Menu
Retour à la cohorte
Enregistrement W3092585934 · doi:10.1513/annalsats.202005-571oc

Improving Prone Positioning for Severe Acute Respiratory Distress Syndrome during the COVID-19 Pandemic. An Implementation-Mapping Approach

2020· article· en· W3092585934 sur OpenAlexaff
Tamar Klaiman, Jasmine A. Silvestri, Trishya Srinivasan, Stephanie Szymanski, Teresa Tran, Francisca Oredeko, Michael W. Sjoding, Barry D. Fuchs, Stephanie Maillie, Juliane Jablonski, Meghan B. Lane‐Fall, Meeta Prasad Kerlin

Notice bibliographique

RevueAnnals of the American Thoracic Society · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésMedicineARDSProne positionThematic analysisPandemicOutreachAcute respiratory distressCoronavirus disease 2019 (COVID-19)Medical emergencyQualitative researchDiseaseInfectious disease (medical specialty)Pathology

Résumé

récupéré en direct d'OpenAlex

Abstract Rationale Prone positioning reduces mortality in patients with severe acute respiratory distress syndrome (ARDS), a feature of severe coronavirus disease 2019 (COVID-19). Despite this, most patients with ARDS do not receive this lifesaving therapy. Objectives To identify determinants of prone-positioning use, to develop specific implementation strategies, and to incorporate strategies into an overarching response to the COVID-19 crisis. Methods We used an implementation-mapping approach guided by implementation-science frameworks. We conducted semistructured interviews with 30 intensive care unit (ICU) clinicians who staffed 12 ICUs within the Penn Medicine Health System and the University of Michigan Medical Center. We performed thematic analysis using the Consolidated Framework for Implementation Research. We then conducted three focus groups with a task force of ICU leaders to develop an implementation menu, using the Expert Recommendations for Implementing Change framework. The implementation strategies were adapted as part of the Penn Medicine COVID-19 pandemic response. Results We identified five broad themes of determinants of prone positioning, including knowledge, resources, alternative therapies, team culture, and patient factors, which collectively spanned all five Consolidated Framework for Implementation Research domains. The task force developed five specific implementation strategies, including educational outreach, learning collaborative, clinical protocol, prone-positioning team, and automated alerting, elements of which were rapidly implemented at Penn Medicine. Conclusions We identified five broad themes of determinants of evidence-based use of prone positioning for severe ARDS and several specific strategies to address these themes. These strategies may be feasible for rapid implementation to increase use of prone positioning for severe ARDS with COVID-19.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

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

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 Opus0,131
Tête enseignante GPT0,422
Écart entre enseignants0,292 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations48
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Thoracic SocietyMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207