Care Bundle to Improve Oxygen Maintenance and Events
Notice bibliographique
Résumé
Introduction: Prolonged periods spent outside the target range of oxygen saturation (SpO 2 ) in preterm infants, along with frequent desaturation events, predispose them to retinopathy of prematurity (ROP) and long-term neurodevelopmental impairment. The primary aim of this study was to increase the mean time spent within the target SpO 2 range (WTR) by 10% and to reduce the frequency of desaturation events by 5 events per patient day, respectively, within 18 months of implementing a care bundle. Methods: This study was completed in a 46-bed neonatal intensive care unit (NICU), involving 246 staff members and led by a quality improvement team. The change interventions included implementing new practice guidelines, reviewing daily summaries of SpO 2 maintenance, daily infant wellness assessment, standardizing workflow, and responding to SpO 2 alarms. In addition, we collected staff satisfaction and compliance with change interventions, resource use, and morbidity and mortality data at discharge. Results: The mean time spent WTR increased from 65.3% to 75.3%, and the frequency of desaturation events decreased from 25.1 to 16.5 events per patient day, respectively, with a higher magnitude of benefit in infants on days with supplemental oxygen. Postimplementation, the duration of high-frequency ventilation and supplemental oxygen were lower, but morbidity and mortality rates were similar. Staff satisfaction with training workshops, coaching, use of the infant wellness assessment tool, and SpO 2 alarm management algorithms were 74%, 82%, 80%, and 74%, respectively. Conclusion: Implementing a care bundle to improve oxygen maintenance and reduce desaturation events increased the time spent WTR and reduced the frequency of desaturation events.
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 | 0,001 |
| 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) | 0,000 | 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 ».