A quality improvement project targeting postoperative hospital revisit rates after pediatric appendicitis
Notice bibliographique
Résumé
BACKGROUND: High rates of hospital revisits after pediatric appendectomy are costly to the health care system, patients, and families. We sought to trial a bundle of interventions targeted at reducing the rate of unnecessary revisits to hospital in this population. METHODS: In February 2021, a working group of relevant stakeholders was created. In June 2021, the group developed and implemented interventions to reduce revisits in a staggered fashion. Interventions included increased education provided to patients and their families, as well as nursing staff, revised discharge pamphlets, and a post-discharge phone call from our nurse practitioner. We tracked revisit rates prospectively using run charts with comparison to historical controls. RESULTS: We tracked revisit rates from July 2018 to October 2022. A total of 793 appendectomies were performed. There was a downward trend in revisit rates, from 16.7% before interventions to 13.4% after intervention implementation, for a relative reduction of 20%. In the postintervention period, 193 appendectomies were performed, with 78.0% contacted by our nurse practitioner in the early postoperative period. Of those contacted, 74% received the discharge pamphlet and 98.7% of respondents expressed that the phone call was useful. Almost all respondents stated they would want the follow-up phone call if they were to have another child with appendicitis. CONCLUSION: Simple, low-cost interventions aimed at improving education at time of discharge after pediatric appendectomy were associated with a reduction in unnecessary hospital revisits. Ongoing efforts are required to sustain results and assess efficacy of bundle elements to determine if additional initiatives may be beneficial in further reductions of revisits.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».