Evaluation of a quality improvement bundle aimed to reduce opioid prescriptions after Cesarean delivery: an interrupted time series study
Notice bibliographique
Résumé
PURPOSE: To evaluate whether opioid prescriptions at discharge after Cesarean delivery decreased following implementation of a quality improvement bundle. METHODS: A quality improvement bundle was instituted at Mount Sinai Hospital in Toronto. Interventions included opioid prescribing instructions in resident orientation, nursing and patient education, and standard electronic prescriptions. We used an interrupted time series study design and included patients who had a Cesarean delivery six months pre intervention and six months post intervention. Primary outcome data (opioids prescribed at discharge in morphine milliequivalents [MME]), were aggregated (averaged) by calendar week and analyzed using interrupted time series. Secondary outcomes were assessed using bivariate methods and included opioid use for breakthrough pain in hospital, and amount of opioids prescribed by prescriber specialty and training level. RESULTS: We included 2,578 women in our analysis. Based on the segmented regression analysis, prescribed opioids decreased from 97.6 MME in 2018 to 35.8 MME in 2019 (difference in means, - 61.7; 95% confidence interval [CI], - 72.2 to - 51.3; P < 0.001), and this decrease was sustained over the study period. Post intervention, there were no visits to our postnatal assessment clinic for inadequate pain control. CONCLUSION: A quality improvement bundle was associated with a marked and sustained decrease in discharge prescriptions of opioids post Cesarean delivery at a large Canadian tertiary academic hospital.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».