Six Sigma performance of quality indicators in total testing process of point-of-care glucose measurement: A two-year review
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: The error rate in the total testing process (TTP) of point-of-care (POC) glucose measurement remains high although a total quality management system has been applied. Quality indicators (QIs) in the TTP of glucose meter were established via risk assessment. Their two-year Six Sigma values were reviewed for quality improvement. DESIGN: The TTP of POC glucose measurement was mapped to identify risks in key steps. The risks were assessed for their frequency and severity of impact on patient safety. Whenever possible, measurable data from the data management system and other sources was collected to establish QIs for risk monitoring. Average Six Sigma value of each QI in the last two years was calculated for acceptance and for determining corrective action. RESULTS: 29 risks were identified in eight key steps of the TTP. Eight QIs were established for monitoring six risks and three QIs for two accepted risks were established for improving operator testing skill. The QIs had a good coverage to key steps. Two, five and four QIs showed Six Sigma values <3, 3-4 and >4 respectively. Six Sigma values of two QIs related to quality control (QC) testing were improved by using meters with accurate QC sample loading. CONCLUSIONS: The establishment of QIs for glucose measurement by risk assessment with measurable data from the data management system and on Six sigma scale was effective, efficient, and manageable. Most of QIs' Six Sigma values were between 3 and 5, which could be improved by using upgraded meters.
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 | 0,003 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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