Pediatric Tracheostomy Emergency Readiness Assessment Tool: International Consensus Recommendations
Notice bibliographique
Résumé
OBJECTIVE: To achieve consensus on critical steps and create an assessment tool for actual and simulated pediatric tracheostomy emergencies that incorporates human and systems factors along with tracheostomy-specific steps. METHODS: A modified Delphi method was used. Using REDCap software, an instrument comprising 29 potential items was circulated to 171 tracheostomy and simulation experts. Consensus criteria were determined a priori with a goal of consolidating and ordering 15 to 25 final items. In the first round, items were rated as "keep" or "remove". In the second and third rounds, experts were asked to rate the importance of each item on a 9-point Likert scale. Items were refined in subsequent iterations based on analysis of results and respondents' comments. RESULTS: The response rates were 125/171 (73.1%) for the first round, 111/125 (88.8%) for the second round, and 109/125 (87.2%) for the third round. 133 comments were incorporated. Consensus (>60% participants scoring ≥8, or mean score >7.5) was reached on 22 items distributed across three domains. There were 12, 4, and 6 items in the domains of tracheostomy-specific steps, team and personnel factors, and equipment respectively. CONCLUSIONS: The resultant assessment tool can be used to assess both tracheostomy-specific steps as well as systems factors affecting hospital team response to simulated and clinical pediatric tracheostomy emergencies. The tool can also be used to guide debriefing discussions of both simulated and clinical emergencies, and to spur quality improvement initiatives. LEVEL OF EVIDENCE: 5 Laryngoscope, 133:3588-3601, 2023.
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 | 0,000 |
| 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) | 0,004 | 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 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 ».