Routine Use of Analgesia for Venipuncture in a Tertiary Level Neonatal Intensive Care Setting: A Quality Improvement Study
Notice bibliographique
Résumé
Introduction: Neonatal exposure to pain can lead to altered pain perception in later years of life. Despite the availability of measures to alleviate pain, routine use is lacking. We decided to conduct a quality improvement (QI) study to increase the use of analgesia during venipuncture, a common procedure in neonatal intensive care units, from a baseline of 0% to 50% over 8 weeks. Methods: Fishbone analysis was used to identify the potential barriers, which were targeted to bring improvement through Plan-Do-Study-Action (PDSA) cycles. In the first cycle, education and training of healthcare providers were conducted for 3 weeks, followed by the second cycle, wherein the mother's own milk was made available bedside for analgesia use. In the third cycle, a small amount of pasteurized donor human milk was kept separately for analgesia, and 25% dextrose was made available in the fourth cycle as a last resort. The 2nd-4th PDSA cycles were performed for a period of 2 weeks each. Results: The use of analgesia improved to 26% from baseline after the first cycle and subsequently to 46%, 50%, and 53% after the second, third, and fourth cycles, respectively. During the sustenance phase, in the initial 2 months, there was a decrease in analgesia use, but with prompt interventions and timely remediation, it increased up to 60%, which was sustained for the subsequent 3 months. Conclusion: Using the QI model, we were able to identify lacunae in current care and drive a culture change, leading to an increase in the use of analgesia during venipuncture.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».