A quality improvement intervention to optimize the management of severe hypertension during pregnancy and postpartum
Notice bibliographique
Résumé
OBJECTIVE: Severe hypertension (two systolic blood pressure [BP] values ≥ 160 mm Hg or diastolic BP values ≥ 110 mm Hg, 15-60 min apart) is a modifiable cause of maternal morbidity and mortality. We aimed to assess the impact of a quality improvement (QI) intervention to optimize the management of severe hypertension during pregnancy and postpartum. STUDY DESIGN: We developed and implemented a QI intervention for severe hypertension management at a Canadian tertiary care center and conducted a quasi-experimental pre- and post-intervention cohort study. Pregnant and postpartum patients with a hypertensive disorder of pregnancy (HDP) between 2020 and 2022 were identified, and pre- and post-intervention cohorts were constructed. MAIN OUTCOME MEASURES: Severe hypertension management was assessed according to quality indicators, including time-to-target BP within 60 min and use of appropriate antihypertensive therapy. RESULTS: Among 697 patients with HDP, 134 (19 %) experienced severe hypertension (pre-intervention: n = 56; post-intervention: n = 78). Immediate release oral nifedipine was the most frequently used medication to treat severe hypertension episodes (63 %). Median time-to-target BP was 49.5 min pre-intervention (interquartile range [IQR] 28.0-69.8) vs. 33.5 min (IQR 19.8-65.2) post-intervention (p = 0.102). Time-to-target BP within 60 min was achieved in 64 % of patients pre- vs. 74 % post-intervention (p = 0.209), meeting our pre-established institutional target. Appropriate antihypertensive administration increased from 55 % pre-intervention to 76 % post-intervention (p = 0.014). CONCLUSION: Developing and implementing a QI intervention resulted in achievement of our institutional target for time-to-severe hypertension resolution and increased use of appropriate antihypertensive medications. Standardized protocols and QI interventions can optimize severe hypertension management to reduce severe maternal morbidity.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».