Comparing glycaemic outcomes of digital and paper‐based hospitals (<scp>GOOD</scp> study)
Notice bibliographique
Résumé
BACKGROUND: Digital technologies in healthcare are seen as mechanisms to improve and optimise management of health conditions. AIM: To assess the impact of digitisation on clinical outcomes and medication errors for patients with diabetes. METHODS: This repeated cross-sectional study used data collected from the Queensland Inpatient Diabetes Survey (QuIDS), which was conducted in 2019 and 2021 at digital and paper-based hospitals in Queensland. Relevant data were collected from patients with diabetes admitted to participating hospitals during a single day of the study week. Outcomes and error rates of patients who were admitted to digital versus paper-based hospitals were compared. Regression determined the factors that contributed to 'good diabetes days' and 'no hypoglycaemic days'. Prescribing and management errors were compared. RESULTS: Data on 1942 patient admissions (6977 patient bed days) were collected. Of these, 1076 patient admissions (55%) were at a digital hospital, while 866 patient admissions (45%) were at a paper-based hospital. Using regression, it was found that being admitted to a digital hospital increased the odds of a 'good diabetes day' by 45% (P < 0.001), but there was no change in 'no hypoglycaemic days' (P = 0.183). There was a reduction in the proportion of patients with at least one error type across all error categories amongst those admitted to a digital hospital (P < 0.001). CONCLUSION: Admission to a digital hospital improves the odds of experiencing a good diabetes day but does not change the occurrence of hypoglycaemia. There are potential quality and safety considerations for those hospitals still delivering paper-based diabetes care.
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 | 0,003 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».