MétaCan
Menu
Retour à la cohorte
Enregistrement W4229334648 · doi:10.2196/38044

Developing and Testing a Protocol for Managing Cardiopulmonary Resuscitation of Patients with Suspected or Confirmed COVID-19: In Situ Simulation Study

2022· article· en· W4229334648 sur OpenAlexvenueno aff
Azizeh Sowan, Jenny Heins, Christopher L. Dayton, Elizabeth Scherer, Wing Sun Tam, Haritha Saikumar

Notice bibliographique

RevueJMIR Nursing · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterimCardiopulmonary resuscitationGuidelineProtocol (science)Medical emergencyResuscitationMedicineTest (biology)Session (web analytics)Isolation (microbiology)Emergency medicineComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Resuscitating patients with suspected or confirmed COVID-19 imposes unique challenges to organizations and code blue teams. Studies that applied the American Heart Association (AHA) COVID-19-related Interim Resuscitation Guideline and similar European guidelines are scarce. OBJECTIVE: This study aimed to develop and test a cardiopulmonary resuscitation protocol based on the AHA COVID-19-related Interim Resuscitation Guideline. METHODS: The study was conducted as an in situ simulation in a medical intensive care unit. The COVID-19 cardiopulmonary resuscitation protocol was created and validated by 11 health care team members and tested using 4 simulation sessions where 46 code blue team members participated. During the simulation, we observed role clarity, the effectiveness of communication, team dynamics, infection control measures, and the availability of essential supplies and equipment. RESULTS: The main issues identified in each simulation session were debriefed to the code blue teams and used to further revise the protocol. These include the assignment of tasks, availability of equipment and supplies, and failure of communication between the in-room and out-of-room teams. Solutions included changes in the placement of team members and roles and responsibilities; the creation of an isolation code medication package, a respiratory therapy kit, and an isolation code blue bag; and the use of two-way radios and N-95 masks with eye goggles to enhance communication between the teams. CONCLUSIONS: This study shed light on the challenges to implement the AHA COVID-19-related Interim Resuscitation Guideline. The in situ simulation was an effective approach for rapid training, identifying unreliable equipment and ineffective and inefficient workflow, and managing the complexity of the physical environment.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 GPT0,459
Écart entre enseignants0,338 · 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'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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR NursingMême sujetSimulation-Based Education in HealthcareTravaux en français237 207