Effective interventions to improve the quality of critically high point-of-care glucose meter results
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Point-of-care testing (POCT) is testing performed outside the traditional laboratory, often at the patient bedside. In hospital settings, blood glucose is the most common POCT. Staff performing POCT are not usually laboratory trained; they are clinical staff with a primary focus on treating patients. Clinical staff find POCT quality assurance (QA) practices burdensome and are often non-compliant. In hospitals within EORLA (Eastern Ontario Regional Laboratories Association), all critically high POCT glucose results must be repeated prior to acting, according to policy. Compliance with this policy is audited regularly. DESIGN: and methods: All POCT glucose tests performed in participating sites between January and June 2018 and June and December 2019 were audited for compliance with the critical repeat policy. The discordant repeat rate was also determined for each audit period. Between January and May 2019, there were interventions aimed at improving compliance with the repeat policy. RESULTS: Compliance with the critical repeat policy increased from 30 to 57% in 2019 compared to 2018, following nursing education and implementation of notifications on the glucose meters themselves. The rate of discordant repeat results (>20% different from initial) also improved at most sites in 2019 compared to 2018. Nurses cited insufficient cleaning of patient hands prior to initial testing as the primary reason for discordant repeats. CONCLUSIONS: Operator compliance with POCT QA policies is an ongoing challenge requiring continual audit, feedback and education. A strong POCT multi-disciplinary committee with supports from senior and clinical leadership in an organization are key to improving compliance.
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.
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 | 0,005 | 0,197 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle