Improving appropriate use of intravenous albumin: results of a single-centre audit and multifaceted intervention
Notice bibliographique
Résumé
BACKGROUND: Intravenous albumin has limited indications supported by randomised controlled trials, yet it is often prescribed for indications not supported by evidence. AIM: To reduce unnecessary transfusion of albumin. INTERVENTIONS: Under the leadership of a multidisciplinary quality improvement team, evidence-based recommendations were disseminated in tandem with a new electronic order set, an educational strategy, qualitative interviews with prescribers and a return policy change to reduce wastage. IMPLEMENTATION AND EVALUATION: Interventions were introduced in a staggered fashion. The primary outcome, appropriate use of albumin, was monitored and quantified using pre-intervention and post-intervention audits. Process measures included statistical process run charts of monthly usage of 5% and 25% albumin and wastage. Data on length of stay (hospital and intensive care), new inpatient starts on kidney replacement and mortality were collected as balancing measures. RESULTS: Appropriate albumin usage based on indication increased from 30% to 50% (p<0.0001). There was significantly less overall albumin usage in the post-intervention period compared with the pre-intervention period (negative coefficient, p<0.0001), driven by a major reduction in the utilisation of the 5% formulation (p<0.0001). Overall albumin usage was significantly lower in the post-intervention period, decreasing from 800 to 450 vials per month. The intervention resulted in significantly less wastage (negative coefficient, p=0.017). Mortality, length of stay and new starts on kidney replacement therapy remained constant throughout the study period. CONCLUSION: Improved prescribing of albumin was achieved with a multifaceted approach. Substantial and sustained reductions in usage were achieved without negatively impacting patient-important outcomes. The estimated annual savings for the purchase cost of albumin was CAN $300 000. We provide a structured process for other organisations to optimise their use of albumin.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».