MétaCan
Menu
Retour à la cohorte
Enregistrement W4405551762 · doi:10.1002/ncp.11254

Quality improvement for parenteral nutrition in hospital: Applying a gap analysis to an electronic health record to review parenteral nutrition processing

2024· review· en· W4405551762 sur OpenAlexaff
Andrea Kulyk, Leah Gramlich

Notice bibliographique

RevueNutrition in Clinical Practice · 2024
Typereview
Langueen
DomaineNursing
ThématiqueClinical Nutrition and Gastroenterology
Établissements canadiensRoyal Alexandra HospitalAlberta Health ServicesUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicinePatient safetyClinical decision support systemOrder entryElectronic health recordPharmacistQuality (philosophy)EPICParenteral nutritionQuality managementCompoundingRisk analysis (engineering)Health careMedical emergencyOperations managementIntensive care medicineDecision support systemNursingPharmacyComputer scienceData miningEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In light of the complex and high-risk nature of parenteral nutrition (PN), reviewing PN processing steps is essential to minimize patient harm. The main steps include ordering, verification, compounding, and administration. Electronic health records (EHRs) have become increasingly utilized and can play a critical role in enhancing the safety of PN processin. Epic EHR is used throughout all PN processing steps within our health system. There is limited literature on health system quality improvement initiatives in PN processing. METHODS: We reviewed the steps of PN processing in our health region and applied a gap analysis to assess Epic's functionality in PN processing. This gap analysis aimed to identify opportunities to enhance PN safety. RESULTS: Epic applies 32 of 40 functions that enhance PN safety. We selected three functions to prioritize adding into future EHR iterations; these include (1) bidirectional automatic interfacing between the automated compounding device and EHR reflecting real-time updates on product availability/shortages, (2) automatically transmitting a pharmacist-modified PN order back to the prescriber for approval, and (3) adding additional clinical decision support tools, one of which is incorporating a 3-in-1 qualification calculator and the second is requiring prescriber justification for using compounded formulations over multichamber bags. Additional opportunities for improving safety in PN processing were identified and added to the gap analysis. CONCLUSION: Using a gap analysis is a simple process to review a health system's EHR to identify opportunities to enhance patient care.

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)0,099
score de la tête « metaresearch » (Gemma)0,263
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,526

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0990,263
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0200,012
Études des sciences et des technologies0,0020,001
Communication savante0,0040,006
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,176
Tête enseignante GPT0,562
Écart entre enseignants0,385 · 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
GenreSynthèse

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrition in Clinical PracticeMême sujetClinical Nutrition and GastroenterologyTravaux en français237 207