Developing and disseminating an electronic penicillin allergy de-labelling tool using the model for improvement framework
Notice bibliographique
Résumé
BACKGROUND: Many clinicians feel uncomfortable with de-labelling penicillin allergies despite ample safety data. Point of care tools effectively support providers with de-labelling. This study's objective was to increase the number of providers intending to pursue a penicillin oral challenge by 15% by February 2023. METHODS: A validated de-labelling algorithm was translated into an electronic point of care tool and disseminated to eight healthcare institutions. Applying the Model for Improvement Framework, three PDSA cycles were conducted, where collected data and completed surveys were analysed to implement changes. Number of providers intending to pursue an oral challenge, tool usage as well as number of clinicians who felt satisfied with the tool and felt confident in its ability to risk-stratify patients was collected. RESULTS: 50.4% of providers intended to give an oral challenge of penicillin with version 1, which improved to 65.5% with version 2, representing a 15.1% increase. With version 1 of the tool, there was an average of 61.3 counts of tool usage per month. 73.1% of providers felt satisfied with the tool and 76.9% felt confident in its ability to risk-stratify patients. With version 2 of the tool, after implementing changes through three PDSA cycles, monthly usage counts increased to an average of 98.6. Furthermore, 100.0% of providers felt satisfied with the tool and 98.1% felt confident with the tool's ability to risk-stratify patients. CONCLUSION: Our quality improvement approach demonstrated improvement in the percentage of providers that intended to pursue an oral challenge and felt satisfied and confident in the risk-stratification capabilities of penicillin allergy de-labelling tool. Electronic tools should be further incorporated into institutional penicillin de-labelling protocols.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,100 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».