MétaCan
Menu
Retour à la cohorte
Enregistrement W3216116934

Promoting Positive Change with Blood Glucose Entry Error and Documentation in Acute Care

2021· article· en· W3216116934 sur OpenAlexaff
Jadyn Scheck

Notice bibliographique

RevueStudent Research Proceedings · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésDocumentationPatient safetyNursingHealth careIntervention (counseling)MedicinePresentation (obstetrics)Acute careMedical educationPsychologyPolitical scienceComputer scienceSurgery
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the clinical setting of NURS 479 leadership, the issue of incorrect blood glucose entry error and documentation arose as a challenge in regards to safe patient care in the nursing environment. Patient care had the potential to be affected in adverse ways. Risks of differing patient care plans, and the concept of unequal health equity came to be possible scenarios due to these errors. Stakeholders, and structural and human factors all played a part in the circumstances present, and from there, it was questioned what could be done to positively adjust this issue. Posters were created to be put in place within various locations of the clinical setting, striving to educate stakeholders, (nurses, physicians, management) and maintain the overall goal of decreasing blood glucose entry error and documentation. Three weeks following the poster implementation, the results revealed that there was a 3-5% decrease in cases of error. Therefore, the established intervention did create a positive change, by reducing the numbers of data entry error and documentation: overall patient management, care, and safety were improved. Going forward, it is important to keep in mind what actions do create meaningful change in the clinical setting, and what steps one can take as a nursing student when seeking to establish positive change. When concluding this project, the ability to be equipped with original information and education moving forward into future nursing practice was recognized. This presentation will overview the steps taken, outcomes determined, and evaluation of a NURS 479 Nursing Practice/Professional Roles project. Department: Nursing Faculty Mentor: Tanya Paananen

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,002
Communication savante0,0030,002
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,229
Tête enseignante GPT0,566
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudent Research ProceedingsMême sujetArtificial Intelligence in HealthcareTravaux en français237 207