Pediatic code blue event analysis: Performance of non-acute health-care providers
Notice bibliographique
Résumé
In-hospital pediatric cardiopulmonary arrest is rare. With more than 50% of patients not surviving to discharge following cardiopulmonary arrest, it is important that health-care providers (HCPs) respond appropriately to deteriorating patients. Our study evaluated the performance of basic life support skills using non-acute HCPs during pediatric inpatient resuscitation events. We conducted a retrospective chart review of all code blue team (CBT) activations in non-acute care areas of a tertiary care children's hospital from 2008 to 2017. The main outcomes were frequency of life support algorithmic assessments and interventions (critical actions) performed by non-acute HCPs prior to the arrival of CBT. CBT activation and outcome data were summarized descriptively. Logistic regression was used to assess for an association of outcomes with the presence of established leadership. A total of 60 CBT activations were retrieved, 48 of which had data available on isolated non-acute HCP performance. Most children (93%) survived to discharge. Critical action performance review revealed that an airway, breathing and pulse assessment was documented to have occurred in 33%, 69% and 29% of cases, respectively. A full primary assessment was documented in 6% of cases. The presence of established leadership was associated with the performance of a partial ABC assessment. Our results suggest that resuscitation performance of pediatric inpatient non-acute HCPs often does not adhere to standard life support guidelines. These results highlight the need to reconsider the current approaches used for non-acute HCP resuscitation training.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».