Reducing Physical Restraint Use in the Medical Behavioral Unit
Notice bibliographique
Résumé
OBJECTIVES: Children with behavioral health conditions often experience agitation when admitted to children's hospitals. Physical restraint should be used only as a last resort for patient agitation because it endangers the physical and psychological safety of patients and employees. At the medical behavioral unit (MBU) in our children's hospital, we aimed to decrease the weekly rate of physical restraint events per 100 MBU patient-days, independent of patient race, ethnicity, or language, from a baseline mean of 14.0 to <10 within 12 months. METHODS: Using quality improvement methodology, a multidisciplinary team designed, tested, and implemented interventions including a series of daily deescalation huddles led by a charge behavioral health clinician that facilitated individualized planning for MBU patients with the highest behavioral acuity. We tracked the weekly number of physical restraint events per 100 MBU patient-days as a primary outcome measure, weekly physical restraint event duration as a secondary outcome measure, and MBU employee injuries as a balancing measure. RESULTS: Our cohort included 527 consecutive patients hospitalized in the MBU between January 2021 and January 2023. Our 2021 baseline mean of 14.0 weekly physical restraint events per 100 MBU patient-days decreased to 10.0 during our 2022 intervention period from January through July and 4.1 in August, which was sustained through December. Weekly physical restraint event duration also decreased from 112 to 67 minutes without a change in employee injuries. CONCLUSIONS: Multidisciplinary huddles that facilitated daily deescalation planning safely reduced the frequency and duration of physical restraint events in the MBU.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».