Implementation of the Richmond Agitation-Sedation Scale (palliative version) on an inpatient palliative care unit
Notice bibliographique
Résumé
BACKGROUND: The Richmond Agitation-Sedation Scale - Palliative version (RASS-PAL) tool is a brief observational tool to quantify a patient's level of agitation or sedation. The objective of this study was to implement the RASS-PAL tool on an inpatient palliative care unit and evaluate the implementation process. METHODS: Quality improvement implementation project using a short online RASS-PAL self-learning module and point-of-care tool. Participants were staff working on a 31-bed inpatient palliative care unit who completed the RASS-PAL self-learning module and online evaluation survey. RESULTS: The self-learning module was completed by 49/50 (98%) of regular palliative care unit staff (nurses, physicians, allied health, and other palliative care unit staff). The completion rate of the self-learning module by both regular and casual palliative care unit staff was 63/77 (82%). The follow-up online evaluation survey was completed by 23/50 (46%) of respondents who regularly worked on the palliative care unit. Respondents agreed (14/26; 54%) or strongly agreed (10/26; 38%) that the self-learning module was implemented successfully, with 100% agreement that it was effective for their educational needs. CONCLUSION: Using an online self-learning module is an effective method to engage and educate interprofessional staff on the RASS-PAL tool as part of an implementation strategy.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».