Physical Restraints in Critically Ill Children: A Multicenter Longitudinal Point Prevalence Study*
Notice bibliographique
Résumé
OBJECTIVES: We elucidate to investigate the prevalence of and factors associated with the use of physical restraints among critically ill or injured children in PICUs. DESIGN: This was a multicenter, longitudinal point prevalence study. SETTING: We included 26 PICUs in Japan. PATIENTS: Included children were 1 month to 10 years old. We screened all admitted patients in the PICUs on three study dates (in March, June, and September 2019). INTERVENTION: None. MEASUREMENTS AND MAIN RESULTS: We collected prevalence and demographic characteristics of critically ill or injured children with physical restraints, as well as details of physical restraints, including indications and treatments provided. A total of 398 children were screened in the participating PICUs on the three data collection dates. The prevalence of children with physical restraints was 53% (211/398). Wrist restraint bands were the most frequently used means (55%, 117/211) for potential contingent events. The adjusted odds of using physical restraint in patients 1-2 years old was 2.3 (95% CI, 1.3-4.0) compared with children less than 1 year old. When looking at the individual hospital effect, units without a prespecified practice policy for physical restraints management or those with more than 10 beds were more likely to use physical restraints. CONCLUSIONS: The prevalence of physical restraints in critically ill or injured children was high, and significant variation was observed among PICUs. Our study findings suggested that patient age, unit size, and practice policy of physical restraint could be associated with more frequent use of physical restraints.
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 | 0,001 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».