Improving wound swab collection in paediatric patients: a quality improvement project
Notice bibliographique
Résumé
Microbiology sample swabs may be unsuccessful or rejected for a variety of reasons. Typically, errors occur in the preanalytical phase of sample collection. Errors with collection, handling and transport can lead to the need to repeat specimen collection. Unsuccessful specimens contribute to delays in diagnosis, increased patient stress and increased healthcare costs. An audit of sample swabs from London Health Sciences Centre Children’s Hospital from August through October 2021 yielded complete success rates of 100% for ear and eye culture swabs, 98.1% for methicillin-resistant Staphylococcus aureus swabs and 88.9% for wound swabs. This project aimed to improve wound swab success to 95% on the paediatric inpatient and paediatric emergency departments by May 2022. Stakeholders from paediatric clinical services including physicians, nurses and the laboratory medicine team at our centre were engaged to guide quality improvement interventions to improve specimen success rate. Based on feedback, we implemented visual aids to our electronic laboratory test information guide. Additionally, visual reminders of correct sample collection equipment were placed in high traffic areas for nursing staff. After the interventions were implemented, a three-month follow-up showed that wound swab success rate rose to 95.3%. This study achieved its aim of improving wound swab success rate to 95%. It adds to the growing pool of evidence that preanalytical phase intervention such as visual aids can increase swab success rates, in healthcare settings.
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 | 0,005 | 0,003 |
| 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 | 0,001 |
| 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 ».