Registered Nurses’ Association of Ontario (RNAO) best practice guideline on the assessment and management of vascular access devices
Notice bibliographique
Résumé
INTRODUCTION: Vascular access is the most common invasive procedure performed in health care. This fundamental procedure must be performed in a safe and effective manner. Vascular access devices (VADs) are often the source of infections and other complications, yet there is a lack of clear guidance on VADs for health providers across different settings. A Best Practice Guideline (BPG) was developed by the Registered Nurses' Association of Ontario (RNAO) to provide evidence-based recommendations on the assessment and management of VADs. METHODS: RNAO BPGs are based on systematic reviews of the literature following the GRADE approach. Experts on the topic of vascular access were selected to form a panel. Systematic reviews were conducted on six research areas: education, vascular access specialists, blood draws, daily review of peripheral VADs, visualization technologies, and pain management. A search for relevant research studies published in English limited to January 2013 was applied to eight databases. All studies were independently assessed for eligibility and risk of bias by two reviewers based on predetermined inclusion and exclusion criteria. The GRADE approach was used to determine certainty of the evidence. RESULTS: Over 65,000 articles were screened related to the six priority research questions. Of these, 876 full-text publications were examined for relevance, with 174 articles designated to inform nine recommendations in the BPG on the subject areas of: comprehensive health teaching, practical education for health providers, blood draws, daily review of peripheral VADs, visualization technologies, and pain management. In June 2021, the RNAO published the BPG on vascular access, which included the recommendations and other supporting resources. CONCLUSION: The vascular access BPG provides high quality guidance and updated recommendations, and can serve as a primary resource for health providers assessing and managing VADs.
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 | 0,026 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,015 | 0,015 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,009 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».