Clinical decision support tools for paediatric sepsis in resource-poor settings: an international qualitative study
Notice bibliographique
Résumé
OBJECTIVE: New paediatric sepsis criteria are being developed by an international task force. However, it remains unknown what type of clinical decision support (CDS) tools will be most useful for dissemination of those criteria in resource-poor settings. We sought to design effective CDS tools by identifying the paediatric sepsis-related decisional needs of multidisciplinary clinicians and health system administrators in resource-poor settings. DESIGN: Semistructured qualitative focus groups and interviews with 35 clinicians (8 nurses, 27 physicians) and 5 administrators at health systems that regularly provide care for children with sepsis, April-May 2022. SETTING: Health systems in Africa, Asia and Latin America, where sepsis has a large impact on child health and healthcare resources may be limited. PARTICIPANTS: Participants had a mean age of 45 years, a mean of 15 years of experience, and were 45% female. RESULTS: Emergent themes were related to the decisional needs of clinicians caring for children with sepsis and to the needs of health system administrators as they make decisions about which CDS tools to implement. Themes included variation across regions and institutions in infectious aetiologies of sepsis and available clinical resources, the need for CDS tools to be flexible and customisable in order for implementation to be successful, and proposed features and format of an ideal paediatric sepsis CDS tool. CONCLUSION: Findings from this study will directly contribute to the design and implementation of CDS tools to increase the uptake and impact of the new paediatric sepsis criteria in resource-poor 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 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 | 0,037 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».