Optimizing red blood cell transfusion practices in the intensive care unit: a multi-phased health technology reassessment
Notice bibliographique
Résumé
BACKGROUND: Health technology reassessment (HTR) is a process to manage existing health technologies to ensure ongoing optimal use. A model to guide HTR was developed; however, there is limited practical experience. This paper addresses this knowledge gap through the completion of a multi-phase HTR of red blood cell (RBC) transfusion practices in the intensive care unit (ICU). OBJECTIVE: The HTR consisted of three phases and here we report on the final phase: the development, implementation, and evaluation of behavior change interventions aimed at addressing inappropriate RBC transfusions in an ICU. METHODS: The interventions, comprised of group education and audit and feedback, were co-designed and implemented with clinical leaders. The intervention was evaluated through a controlled before-and-after pilot feasibility study. The primary outcome was the proportion of potentially inappropriate RBC transfusions (i.e., with a pre-transfusion hemoglobin of 70 g/L or more). RESULTS: There was marked variability in the monthly proportion of potentially inappropriate RBC transfusions. Relative to the pre-intervention phase, there was no significant difference in the proportion of potentially inappropriate RBC transfusions post-intervention. Lessons from this work include the importance of early and meaningful engagement of clinical leaders; tailoring the intervention modalities; and, efficient access to data through an electronic clinical information system. CONCLUSIONS: It was feasible to design, implement, and evaluate a tailored, multi-modal behavior change intervention in this small-scale pilot study. However, early evaluation of the intervention revealed no change in technology use leading to reflection on the important question of how the HTR model needs to be improved.
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 | 0,018 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 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 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 ».