Reducing sepsis-related unplanned 30-day readmissions at a hospital-based skilled nursing facility
Notice bibliographique
Résumé
Background: Sepsis is a common and costly medical emergency, often leading to unplanned readmissions. The purpose of this quality improvement project is to integrate staff education, every 4 hours vital signs monitoring guided by sepsis screening score, and structured response via a process map to reduce unplanned 30-day readmission rate by 25% from baseline at a hospital-based skilled nursing facility (HBSNF).Methods: This project was conducted at an 18-bed HBSNF. Prior to implementing this project, all registered nurses and patient care assistants received education on sepsis. Registered nurses were also trained in the proper use of Nursing Sepsis Management Order Set and How to Respond: A Patient with Suspected Sepsis Process Map. From September 1 to November 30, 2020, the project gradually increased vital signs monitoring frequency from every 12 hours to every 4 hours based on patients’ sepsis risk stratified by sepsis screening score in 3 phases. Systemic Inflammatory Response Syndrome criteria was used to identify sepsis-related unplanned readmissions.Results: Overall, the 3-month vital signs monitoring compliance rate was 96% (5019/5223). The sepsis-related unplanned 30-day readmission rate was reduced from baseline 47% (17/36) to 21% (4/19) at the end of this project, about a 55% decrease from baseline.Conclusions: The combination of an evidence-based electronic surveillance system and change in management strategies significantly reduced sepsis-related unplanned 30-day readmissions at this HBSNF. Dissemination of these innovations could improve sepsis management in other HBSNFs and positively impact patients’ health outcomes and healthcare costs.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».