Alberta Collaborative Quality Improvement Strategies to Improve Outcomes of Moderate and Late Preterm Infants (ABC-QI) Trial: a protocol for a multicentre, stepped-wedge cluster randomized trial
Notice bibliographique
Résumé
BACKGROUND: Evidence-based Practice for Improving Quality (EPIQ) is a collaborative quality improvement method adopted by the Canadian Neonatal Network that led to decreased mortality and morbidity in very preterm neonates. The Alberta Collaborative Quality Improvement Strategies to Improve Outcomes of Moderate and Late Preterm Infants (ABC-QI) Trial aims to evaluate the impact of EPIQ collaborative quality improvement strategies in moderate and late preterm neonates in Alberta, Canada. METHODS: In a 4-year, multicentre, stepped-wedge cluster randomized trial involving 12 neonatal intensive care units (NICUs), we will collect baseline data with the current practices in the first year (all NICUs in the control arm). Four NICUs will transition to the intervention arm at the end of each year, with 1 year of follow-up after the last group transitions to the intervention arm. Neonates born at 32 + 0 to 36 + 6 weeks' gestation with primary admission to NICUs or postpartum units will be included. The intervention includes implementation of respiratory and nutritional care bundles using EPIQ strategies, including quality improvement team building, quality improvement education, bundle implementation, quality improvement mentoring and collaborative networking. The primary outcome is length of hospital stay; secondary outcomes include health care costs and short-term clinical outcomes. Neonatal intensive care unit staff will complete a survey in the first year to assess quality improvement culture in each unit, and a sample will be interviewed 1 year after implementation in each unit to evaluate the implementation process. INTERPRETATION: The ABC-QI Trial will assess whether collaborative quality improvement strategies affect length of stay in moderate and late preterm neonates. It will provide detailed population-based data to support future research, benchmarking and quality improvement. TRIAL REGISTRATION: ClinicalTrials.gov, no. NCT05231200.
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 | 0,047 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,006 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,006 |
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 ».