Quality improvement tools to manage deceased organ donation processes: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: To collate and summarise the literature on the quality improvement tools that have been developed for deceased organ donation processes after circulatory determination of death and neurological determination of death. DESIGN: Scoping review using the Joanna Briggs Institute framework. DATA SOURCES: We searched for published (MEDLINE, Embase, PsycINFO, CINAHL, Web of Science) and unpublished literature (organ donation organisation websites worldwide). The search was initially conducted on 17 July 2021 and updated on 1 June 2022. Included articles discussed the creation and/or use of quality improvement tools to manage deceased organ donation processes. Two independent reviewers screened the references, extracted and analysed the data. RESULTS: 40 references were included in this review, and most records were written in English (n=38), originated in Canada (n=21), published between 2016 and 2022 (n=22), and were specific for donation after neurological determination of death (n=20). The tools identified included checklists, algorithms, flow charts, charts, pathways, decision tree maps and mobile apps. These tools were applied in the following phases of the organ donation process: (1) potential donor identification, (2) donor referral, (3) donor assessment and risk, (4) donor management, (5) withdrawal of life-sustaining measures, (6) death determination, (7) organ retrieval and (8) overall organ donation process. CONCLUSIONS: We conducted a thorough investigation of the available quality improvement tools for deceased organ donation processes. The existing evidence lacks details in the report of methods used for development, testing and impact of these tools, and we could not locate tools specific for some phases of the organ donation process. Lastly, by mapping existing tools, we aim to facilitate both clinician choices among available tools, as well as research work building on existing knowledge.
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 | 0,085 | 0,253 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,038 | 0,033 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».