Decreasing driveline infections in patients supported on ventricular assist devices: a care pathway approach
Notice bibliographique
Résumé
BACKGROUND: Driveline infections (DLIs) are a common adverse event in patients on ventricular assist devices (VADs) with incidence ranging from 14% to 59%. DLIs have an impact on patients and the healthcare system with efforts to prevent DLIs being essential. Prior to our intervention, our program had no standard driveline management presurgery and postsurgery. The purpose of this Quality Improvement (QI) initiative was to reduce DLIs and related admissions among patients with VAD within the first year post implant. METHODS: In anticipation of the QI project, we undertook a review of the programs' current driveline management procedures and completed a survey with patients with VAD to identify current barriers to proper driveline management. Retrospective data were collected for a pre-QI intervention baseline comparison group, which included adult patients implanted with a durable VAD between 1 January 2017 and 31 July 2018. A three-pronged care pathway (CP) was initiated among patients implanted during August 2018 to July 2019. The CP included standardised intraoperative, postoperative and predischarge teaching initiatives and tracking. Using statistical process control methods, DLIs and readmissions in the first year post implant were compared between patients in the CP group and non-CP patients. P-charts were used to detect special cause variation. RESULTS: A higher proportion of CP group patients developed a DLI in the first year after implant (52% vs 32%). None developed a DLI during the index admission, which differed from the non-CP group and met criteria for special cause variation. There was a downward trend in cumulative DLI-related readmissions among CP group patients (55% vs 67%). There was no association between CP compliance and development of DLIs within 1 year post implant. CONCLUSION: The CP did not lead to a reduction in the incidence of DLIs but there was a decrease in the proportion of patients with DLIs during their index admission and those readmitted for DLIs within 1 year post implant. This suggests that the CP played a role in decreasing the impact of DLIs in this patient population. However, given the short time period of follow-up longer follow-up will be required to look for sustained effects.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».