Understanding the use of sedation boluses in the intensive care unit: A mixed methods study
Notice bibliographique
Résumé
BACKGROUND: To better understand the impact of sedations in the intensive care unit (ICU), an accurate understanding of the clinical practices surrounding sedation bolus use is essential. OBJECTIVES: Our primary objectives were to describe how sedation boluses are administered, and to compare observed and nurse-reported practices. METHODS: We conducted a mixed methods study comprising 150 quantitative observations in a large university-affiliated ICU and 10 semi-structured interviews with nurses recruited in the same ICU and from others in the Province of Quebec (Canada). RESULTS: During 150 observations, nurses administered 197 boluses. Nurses mostly administered boluses with a volumetric pump (76 %, 95 %CI 69-81 %). In interviews, all nurses expressed favoring volumetric pumps to administer boluses. Nurses documented bolus use in 58 % of observations (58 %, 95 %CI 50-66 %). Propofol and fentanyl were the most frequently used drugs, and all nurses reported that they were the "classic" bolus drugs. The median cumulative propofol and opioid bolus doses given by nurses were respectively 30 mg (95 %CI 25-30), and 50 µg in fentanyl-equivalent (95 %CI 50-50). We observed that nursing or medical interventions were the most common trigger for bolus use (63 %, 95 %CI 55-71 %), and these were among the main reason for bolus use reported in interviews (n = 9, 90 %). Increasing norepinephrine was observed (19 %, 95 %CI 13-26 %) and reported by all nurses as the most frequent interventions after boluses. CONCLUSIONS: Nurses favor volumetric pumps to administer boluses and propofol and fentanyl were the most used drugs. Documentation of boluses was suboptimal. Sedation boluses often led to norepinephrine titration. IMPLICATIONS FOR CLINICAL PRACTICE: Sedation boluses administered to patients with continuous infusions of sedations often led to norepinephrine titration, suggesting that they may have implications for patient safety and outcomes. Merging electronic health records entries and volumetric pump data logs or data feeds may be essential to properly capture the exposure of ICU patients to sedation.
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 | 0,000 | 0,050 |
| 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 | 0,001 |
| 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 ».