MétaCan
Menu
Retour à la cohorte
Enregistrement W4224943874 · doi:10.2196/36710

Critical Care Nurses’ Knowledge of Correct Line Types for Administration of Common Intravenous Medications: Assessment and Intervention Study

2022· article· en· W4224943874 sur OpenAlexvenueno aff
Rania Al-Jaber, Natalie Samuda, Ahmad Chaker, James Waterson

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSafe Handling of Antineoplastic Drugs
Établissements canadiensnon disponible
Organismes subventionnairesBD
Mots-clésCronbach's alphaMedicineProtocol (science)Test (biology)NursingAlternative medicinePsychometrics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a paucity of information in the literature on core nursing staff knowledge on the requirements of specific intravenous administration lines for medications regularly given in critical care. There is also a lack of well-researched and appropriate information in the literature for intravenous administration line selection, and the need for filtration, protection from light, and other line-material selection precautions for many critical and noncritical medications used in these settings to maintain their potency and efficacy. OBJECTIVE: We aimed to assess the knowledge gap of clinicians with respect to intravenous administration line set material requirements for critical care medications. METHODS: Data were drawn from a clinician knowledge questionnaire, a region-wide database of administered infusions, and regional data on standard and special intravenous administration line consumption for 1 year (2019-2020) from an enterprise resource planning system log. The clinician knowledge questionnaire was validated with 3 groups (n=35) and then released for a general survey of critical care nurses (n=72) by assessing response dispersal and interrater reliability (Cronbach α=.889). Correct answers were determined by referencing available literature, with consensus between the team's pharmacists. Percentage deviations from correct answers (which had multiple possible selections) were calculated for control and test groups. We reviewed all 3 sources of information to identify the gap between required usage and real usage, and the impact of knowledge deficits on this disparity. RESULTS: Percentage deviations from correct answers were substantial in the control groups and extensive in the test group for all medications tested (percentage deviation range -43% to 93%), with the exception of for total parenteral nutrition. Respondents scored poorly on questions about medications requiring light protection, and there was a difference of 2.75% between actual consumption of lines and expected consumption based on medication type requirement. Confusion over the requirements for low-sorbing lines, light protection of infusions, and the requirement for filtration of specific solutions was evident in all evidence sources. The consumption of low-sorbing lines (125,090/1,454,440, 8.60%) was larger than the regional data of medication usage data would suggest as being appropriate (15,063/592,392, 2.54%). CONCLUSIONS: There is no single source of truth for clinicians on the interactions of critical care intravenous medications and administration line materials, protection from light, and filtration. Nursing staff showed limited knowledge of these requirements. To reduce clinical variability in this area, it is desirable to have succinct easy-to-access information available for clinicians to make decisions on which administration line type to use for each medication. The study's results will be used to formulate solutions for bedside delivery of accurate information on special intravenous line requirements for critical care medications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,596
Écart entre enseignants0,475 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetSafe Handling of Antineoplastic DrugsTravaux en français237 207