The Impact of Peripheral Nerve Block on the Quality of Care After Ankle Fracture Surgery: A Quality Improvement Study
Notice bibliographique
Résumé
OBJECTIVES: To increase peripheral nerve block (PNB) administration for ankle fracture surgeries (AFSs) at our institution to above 50% by January 1st, 2021. DESIGN: Longitudinal, single-center quality improvement study conducted at a high-volume tertiary care center. PATIENTS: All patients undergoing isolated AFS for unimalleolar, bimalleolar, or trimalleolar ankle fracture from July 2017 to April 2021 were included in this study. INTERVENTION: Interventions implemented to minimize barriers for PNB administration included recruitment and training of expert anesthesiologists in regional anesthesia, procurement of ultrasound machines, implementation of a dedicated block room, and creation of a pamphlet for patients describing multimodal analgesia. MAIN OUTCOME MEASUREMENT: The primary outcome was the percentage of patients receiving PNB for AFS. Secondary outcomes included hospital length-of-stay, postanesthesia care unit (PACU) and 24-hour postoperative opioid consumption (mean oral morphine equivalent [OME]), proportion of patients not requiring opioid analgesic in PACU, and PACU and 24-hour postoperative nausea/vomiting requiring antiemetic. RESULTS: The PNB and non-PNB groups included 78 and 157 patients, respectively. PNB administration increased from <5% to 53% after implementation of the improvement bundle. Mean PACU and 24-hour opioid analgesic consumption was lower in the PNB group (PACU OME 38.96 mg vs. 55.42 mg, P = 0.001; 24-hour OME 50.83 mg vs. 65.69 mg, P = 0.008). A greater proportion of patients in the PNB group did not require PACU opioids (62.8% vs. 27.4%, P < 0.001). CONCLUSIONS: By performing a root cause analysis and implementing a multidisciplinary, patient-centered improvement bundle, we increased PNB administration for AFSs, resulting in reduced postoperative opioid analgesia consumption. LEVEL OF EVIDENCE: Therapeutic Level III. See Instructions for Authors for a complete description of levels of evidence.
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 | 0,011 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».