A Multiple Baseline Trial of an Electronic ICU Discharge Summary Tool for Improving Quality of Care*
Notice bibliographique
Résumé
OBJECTIVE: Effective communication between clinicians is essential for seamless discharge of patients between care settings. Yet, discharge summaries are commonly not available and incomplete. We implemented and evaluated a structured electronic health record-embedded electronic discharge (eDischarge) summary tool for patients discharged from the ICU to a hospital ward. DESIGN: Multiple baseline trial with randomized and staggered implementation. SETTING: Adult medical-surgical ICUs at four acute care hospitals serving a single Canadian city. PATIENTS: Health records of patients 18 years old or older, in the ICU 24 hours or longer, and discharged from the ICU to an in-hospital patient ward between February 12, 2018, and June 30, 2019. INTERVENTION: A structured electronic note (ICU eDischarge tool) with predefined fields (e.g., diagnosis) embedded in the hospital-wide electronic health information system. MEASUREMENTS AND MAIN RESULTS: We compared the percent of timely (available at discharge) and complete (included goals of care designation, diagnosis, list of active issues, active medications) discharge summaries pre and post implementation using mixed effects logistic regression models. After implementing the ICU eDischarge tool, there was an immediate and sustained increase in the proportion of patients discharged from ICU with timely and complete discharge summaries from 10.8% (preimplementation period) to 71.1% (postimplementation period) (adjusted odds ratio, 32.43; 95% CI, 18.22-57.73). No significant changes were observed in rapid response activation, cardiopulmonary arrest, death in hospital, ICU readmission, and hospital length of stay following ICU discharge. Preventable (60.1 vs 5.7 per 1,000 d; p = 0.023), but not nonpreventable (27.3 vs 40.2 per 1,000d; p = 0.54), adverse events decreased post implementation. Clinicians perceived the eDischarge tool to produce a higher quality discharge process. CONCLUSIONS: Implementation of an electronic tool was associated with more timely and complete discharge summaries for patients discharged from the ICU to a hospital ward.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».