Impact of a Pleural Care Program on the Management of Patients With Malignant Pleural Effusions
Notice bibliographique
Résumé
BACKGROUND: Malignant pleural effusions (MPEs) are common and associated with a poor prognosis. Yet, many patients face suboptimal management characterized by repeated, nondefinitive therapeutic procedures and potentially avoidable hospital admissions. METHODS: We conducted a retrospective comparison of patients who underwent a definitive palliative intervention for MPE (indwelling pleural catheter or pleurodesis) at our center, before and after the implementation of a pleural care program. Targeted interventions included staff education, establishment of formal pleural drainage policies, a pleural clinic with weekday walk-in capacity, and a rapid access pathway for oncology patients. Outcomes assessed were the proportion of emergency room (ER) presentations, hospitalizations, number of nondefinitive pleural procedures, and time-to-definitive palliative procedure. RESULTS: A total of 144 patients were included: 69 in the preintervention group and 75 in the postintervention group. Although there was no difference in the proportion of ER presentations before and after interventions (43.5% vs. 38.7%, P =0.56), hospital admissions declined significantly (47.8% vs. 24.0%, P =0.003). The proportion of patients undergoing chest drain insertion decreased significantly (46.4% vs. 13.3%, P <0.001), with a stable low number of nondefinitive procedures per patient (1.6±1.1 vs. 1.3±0.9, P =0.32). A 7-day decrease in median time from presentation-to-definitive palliative procedure ( P =0.05) was observed. CONCLUSION: A targeted pleural care program improved MPE palliation through reduction in hospitalizations and chest drain use, and shorter time-to-definitive palliation, despite failing to reduce ER presentations.
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 | 0,001 |
| 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) | 0,001 | 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 ».