Improving Admission Temperature in Infants ≥34 Weeks’ Gestation: A Quality Improvement Initiative
Notice bibliographique
Résumé
BACKGROUND: NICU admission for hypothermia is a problem worldwide, with associated morbidity, mortality, and financial costs. Many interventions have been studied for smaller infants, but there has been little focus on infants born ≥34 weeks' gestational age (GA), though most deliveries occur at this gestation. Our primary aim was to improve the proportion of infants ≥34 weeks' GA with normal NICU admission temperature. Secondary outcomes included improvement of the proportion of normal first temperature in all infants ≥34 weeks' GA, independent of NICU admission, and improvement of predefined outcome measures. METHODS: We completed a root cause analysis, using fishbone and process mapping to determine what factors were contributing to hypothermia. A series of changes were trialed using plan-do-study-act cycles to develop a standard operating procedure, covering both vaginal and cesarean section births. Outcome measures were analyzed using a P-chart as well as traditional statistical tests. RESULTS: We successfully increased the proportion of infants ≥34 weeks' GA with normothermia on NICU admission from 62% to 80% without increasing hyperthermia. In addition, the interventions improved the proportion of delivery room normothermia in all infants born ≥34 weeks' GA and were associated with a decreased need for intravenous therapy for hypoglycemia and the incidence of metabolic acidosis. CONCLUSIONS: This quality improvement initiative was successful at improving our institution's rates of normal infant temperature. The methodology used can be applied to other similar centers to improve this common problem.
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 | 0,002 |
| 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 ».