Notice bibliographique
Résumé
Background: Appropriate, timely trauma team activation (TTA) can directly affect outcomes for patients with trauma. A review of quality-performance indicators at our Canadian level 1 trauma centre showed a high level of undertriage, with TTA compliance rates less than 60% for major trauma. A quality-improvement project was undertaken, targeting a sustained goal of at least 90% TTA compliance based on Accreditation Canada guidelines. Methods: Quality-improvement action followed a well-defined process. Baseline data collection was performed, and, in keeping with the Donabedian approach, we brought together stakeholders to collectively review and understand the reasons behind poor TTA compliance; and root-cause analysis. This was followed by rapid change cycles that focused on structure and processes with ongoing audits to support and sustain change. Results: Trauma team activation compliance improved from 58.8% to more than 90% over 2 years. Quality indicators showed a statistically significant reduction in the time to computed tomography scanner, time in the acute care region of the emergency department and total time in the emergency department, with improved TTA compliance. Conclusion: Compliance with TTA protocols improved to more than 90% over a 2-year period, which shows the benefit of having a clearly outlined quality-improvement process. This well-defined quality-improvement method provides a framework for use by other institutions that seek to improve their processes of trauma care, including activation rates.
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 | 0,007 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,016 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,350 | 0,099 |
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 ».