Reducing redundant creatine kinase testing in cardiac injury
Notice bibliographique
Résumé
BACKGROUND: Creatine kinase (CK) testing in the setting of suspected cardiac injury is commonly performed yet rarely provides clinical value beyond troponin testing. We sought to evaluate and reduce CK testing coupled with troponin testing by 50% or greater. METHODS: We performed root cause analysis to study prevailing processes and patterns of CK testing. We developed new institutional guidelines, removed CK from high-volume paper and electronic order bundles and conducted academic detailing for departments with highest ordering frequency. We evaluated consecutive patients at Sunnybrook Health Sciences Centre between 1 January 2018 and 31 March 2020 who had either a CK or troponin level measured. We prespecified successful implementation as a reduction of 50% in total CK orders and a decrease in the ratio of CK-to-troponin tests to one-third or less. We retained additional data beyond our study period to assess for sustained reductions in testing. RESULTS: Total CK tests decreased over the study period from 3963 to 2111 per month, amounting to a 46.7% reduction (95% CI 33.2 to 60.2; p<0.001) equalling 61 fewer tests per hospital day. Troponin testing did not significantly change during the intervention. Ratio of CK-to-troponin tests decreased from 0.91 to 0.49 (p<0.001). The reduction coincided with changes to order-sets, was observed across all clinical units and was sustained during additional months beyond the study period. These reductions in testing resulted in a projected annual cost savings of C$28 446. CONCLUSIONS: We demonstrate that a low-cost and feasible quality improvement initiative may lead to significant reduction in unnecessary CK testing and substantial savings in healthcare costs for patients with suspected cardiac injury.
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 | 0,004 | 0,011 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».