MétaCan
Menu
Retour à la cohorte
Enregistrement W4280525447 · doi:10.1136/bmjoq-2021-001796

Reducing hyperglycaemia post-kidney and liver transplant: a quality improvement initiative

2022· article· en· W4280525447 sur OpenAlexaffabout
Kristin K. Clemens, Mayur Brahmania, Corrine Weernink, Khaled Lofty, Hani Rjoob, Amanda J. Berberich, Alan Gob

Notice bibliographique

RevueBMJ Open Quality · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHyperglycemia and glycemic control in critically ill and hospitalized patients
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineEndocrine systemWorkloadKidney transplantDiabetes mellitusEmergency medicineInternal medicineKidney transplantationKidneyHormoneEndocrinology

Résumé

récupéré en direct d'OpenAlex

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,533
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,083
Tête enseignante GPT0,398
Écart entre enseignants0,315 · 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.

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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Open QualityMême sujetHyperglycemia and glycemic control in critically ill and hospitalized patientsTravaux en français237 207