MétaCan
Menu
Retour à la cohorte
Enregistrement W4403627180 · doi:10.1016/j.ijnsa.2024.100248

From ‘strong recommendation’ to practice: A pre-test post-test study examining adherence to stroke guidelines for fever, hyperglycaemia, and swallowing (FeSS) management post-stroke

2024· article· en· W4403627180 sur OpenAlexaff
Kelly Coughlan, Tara Purvis, Monique F. Kilkenny, Dominique A. Cadilhac, Oyebola Fasugba, Simeon Dale, Kelvin Hill, Megan Reyneke, Elizabeth McInnes, Benjamin McElduff, Jeremy Grimshaw, N. Wah Cheung, Christopher Levi, Catherine D’Este, Sandy Middleton

Notice bibliographique

RevueInternational Journal of Nursing Studies Advances · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensOttawa Hospital
Organismes subventionnairesNational Health and Medical Research CouncilNational Heart Foundation of AustraliaMedical Research CouncilAustralian Government
Mots-clésStroke (engine)SwallowingMedicineTest (biology)Physical therapyIntensive care medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Background The Quality in Acute Stroke Care (QASC) Trial demonstrated that assistance to implement protocols to manage Fever, hyperglycaemia (Sugar) and Swallowing (FeSS) post-stroke reduced death and disability. In 2017, a ‘Strong Recommendation’ for use of FeSS Protocols was included in the Australian Clinical Guidelines for Stroke Management. We aimed to: i) compare adherence to FeSS Protocols pre- and post-guideline inclusion; ii) determine if adherence varied with prior participation in a treatment arm of a FeSS Intervention study, or receiving treatment in a stroke unit; and compare findings with our previous studies. Methods Pre-test post-test study using Australian acute stroke service audit data comparing 2015/2017 (pre-guideline) versus 2019/2021 (post-guideline) adherence. Primary outcome was adherence to all six FeSS indicators (composite), with mixed-effects logistic regression adjusting for age, sex, stroke type and severity (ability to walk on admission), stroke unit care, hospital prior participation in a FeSS Intervention study, and correlation of outcomes within hospital. Additional analysis examined interaction effects. Results Overall, 112 hospitals contributed data to ≥1 one Audit cycle for both periods (pre=7011, post=7195 cases); 42 hospitals had participated in any treatment arm of a FeSS Intervention study. Adherence to FeSS Protocols post-guideline increased (pre: composite measure 35% vs post: composite measure 40 %, aOR:1.2 95 %CI: 1.2, 1.3). Prior participation in a FeSS Intervention study (aOR:1.6, 95 %CI: 1.2, 2.0) and stroke unit care (aOR 2.3, 95 %CI: 2.0, 2.5) were independently associated with greater adherence to FeSS Protocols. There was no change in adherence over time based on prior participation in a FeSS Intervention study ( p = 0.93 interaction), or stroke unit care ( p = 0.07 interaction). Conclusions There is evidence of improved adherence to FeSS Protocols following a ‘strong recommendation’ for their use in the Australian stroke guidelines. Change in adherence was similar independent of hospital prior participation in a FeSS Intervention study, or stroke unit care. However, maintenance of higher pre-guideline adherence for hospitals prior participation in a FeSS Intervention study suggests that research participation can facilitate greater guideline adherence; and confirms superior care received in stroke units. Nevertheless, less than half of Australian patients are being cared for according to the FeSS Protocols, providing impetus for additional strategies to increase uptake.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,038
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,467
Écart entre enseignants0,383 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing Studies AdvancesMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207