Reducing hyperglycaemia post-kidney and liver transplant: a quality improvement initiative
Notice bibliographique
Résumé
BACKGROUND: In-hospital glycaemic management can reduce post-transplant morbidity, but is not always part of transplant care. OBJECTIVE: We aimed to reduce the mean number of postoperative days in hyperglycaemia (≥2 blood glucose >12 mmol/L in 24 hours) in kidney and liver transplant recipients by 30%. We also aimed to reduce the mean number of days between transplant admission to endocrine consult by 2.0 days. DESIGN, SETTING, PARTICIPANTS: We conducted a quality improvement project in liver and kidney transplant recipients admitted to an academic transplant unit in Canada between 1 March 2019 and 1 May 2021. INTERVENTION: We developed a bedside algorithm to monitor post-transplant capillary blood glucose; the algorithm also included thresholds for nursing-initiated inpatient endocrinology consultation. MAIN OUTCOME AND MEASURES: We examined outcome (postoperative days in hyperglycaemia, days to inpatient endocrine consultation), process (nursing documentation of postoperative blood sugars) and balancing measures (nursing workload, postoperative days in hypoglycaemia) following implementation of our algorithm. We used Plan-Do-See-Act cycles to study three iterations of our algorithm, and used box plots to present outcomes before and after algorithm implementation. RESULTS: In the pre-intervention period, 21 transplant recipients spent a mean of 4.1 (SD 2.4) postoperative days in hyperglycaemia before endocrine consultation. The mean number of days between hospital admission to endocrine consult was 10.7 (SD 13.0) days.In the post-intervention period, we observed a 62% reduction in postoperative days in hyperglycaemia. The mean number of days between admission and endocrine consult was reduced by 6.3 days (59% reduction). CONCLUSIONS: Implementation of a simple, bedside algorithm for postoperative glucose monitoring and detection of hyperglycaemia in transplant patients, reduced the mean number of postoperative days in hyperglycaemia and time to inpatient endocrine consultation. Our algorithm continues to be used in our academic transplant unit.
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 | 0,020 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».