Improving Compliance and Quality of Documentation of Cerebral Function Monitoring in a Neonatal Neurocritical Care Unit
Notice bibliographique
Résumé
INTRODUCTION: Neonates admitted to neurocritical care units frequently undergo continuous bedside cerebral function monitoring (CFM). Documentation of CFM findings that are complete and accurate can augment the quality of care through improved communication. We aimed to increase the compliance with and quality of CFM documentation in the electronic medical records by 50% in our neonatal intensive care unit over 6 months. METHODS: We used the Plan-Do-Study-Act methodology, process mapping, and fishbone analysis. We implemented interventions, including the development of standardized EMR templates, face-to-face reminders at staff meetings and clinical handover sessions, and teaching on CFM interpretation. RESULTS: < 0.001). Multimodal reminders to document and educational sessions to increase familiarity with CFM interpretation effectively improved the quality of documentation. CONCLUSIONS: We improved the compliance with and the quality of CFM documentation using targeted quality improvement interventions with case-focused educational sessions, reference tools, and standardized templates. Barriers to compliance with documentation were adverse effects on the workflow that changes in the EMR system may address. A significant challenge to sustainability was the high frequency of rotating trainees. We addressed this challenge by developing mandatory electronic teaching modules that include reminders to document and a case-focused teaching curriculum; to increase awareness of the importance of CFM documentation and increase confidence in CFM interpretation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».