Reduction of Chest Drain Overuse Through Implementation of a Pleural Drainage Order Set
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Small chest drains are used in many centers as the default drainage strategy for various pleural effusions. This can lead to drain overuse, which may be harmful. This study aimed to reduce chest drain overuse. METHODS: We studied consecutive pleural procedures performed in the radiology department before (August 1, 2015, to July 31, 2016) and after intervention (September 1, 2019, to January 31, 2020). Chest drains were deemed indicated or not based on criteria established by a local interdisciplinary work group. The intervention consisted of a pleural drainage order set embedded in electronic medical records. It included indications for chest drain insertion, prespecified drain sizes for each indication, fluid analyses, and postprocedure radiography orders. Overall chest drain use and proportion of nonindicated drains were the outcomes of interest. RESULTS: We reviewed a total of 288 procedures (pre-intervention) and 155 procedures (post-intervention) (thoracentesis and drains). Order-set implementation led to a reduction in drain use (86.5% vs 54.8% of all procedures, P < .001) and reduction in drain insertions in the absence of an indication (from 45.4% to 29.4% of drains, P = .01). The need for repeat procedures did not increase after order-set implementation (22.0% pre vs 17.7% post, P = .40). Complication rates and length of hospital stay did not differ significantly after the intervention. More pleural infections were treated with drain sizes of 12Fr and greater (31 vs 70%, P < .001) after order-set deployment, and direct procedural costs were reduced by 27 CAN$ per procedure. CONCLUSION: Implementation of a pleural drainage order-set reduced chest drain use, improved procedure selection according to clinical needs, and reduced direct procedural costs. In institutions where small chest drains are used as the default drainage strategy for pleural effusions, this order set can reduce chest drain overuse.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».