Every Tube Counts: reducing extra tubes drawn in the emergency department
Notice bibliographique
Résumé
A common practice exists in hospitals where extra tubes of blood are collected for possible add-on testing, this practice contributes to wastage of consumables. Baseline estimates from a 5-month local lab information system audit revealed that ~65 extra tubes per day were being collected, with an additional 2-week manual audit of all extra tubes received in the laboratory confirming the practice. The audits showed that the majority of the tubes (~99%) were being drawn from the adult emergency department (ED). Furthermore, only 5% of the extra tubes were being used for add-on testing, whereas the remaining tubes had no testing performed on them and were discarded at the end of the day. This translates to over 23 000 extra tubes being wasted annually.After initial discussion with ED leadership, the practice was identified as primarily nurse driven. An educational intervention was created and entitled 'Every Tube Counts', with the aim to reduce extra tube collections in the adult ED by 50% within the first month of intervention. First, a memo with initial findings and a request to stop the practice of extra tube collection was sent out to all ED staff. After 2 weeks of additional data collection, it was noticed that extra tubes were still being collected. A second intervention, which consisted of another communication and utilisation of nurse educators to disseminate the information to nursing staff, saw a remarkable ~80% reduction in collection of extra tubes in the following few months after the second intervention. The practice was followed for an additional 15 months, which saw a slight increase of extra tube collections over time with a levelling off towards the latter period of the study. However, the target goal was maintained over the entire study period.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».