Recommendations for the integration of standardized quality indicators for glucose point-of-care testing
Notice bibliographique
Résumé
OBJECTIVES: Quality indicator (QI) monitoring is essential to quality assurance for point of care testing (POCT). QI standardization is needed in the POCT field to provide clear guidance to hospitals and produce National and International benchmarks. A central aim was to standardize POCT QIs with existing QIs of the MQI program recommended by the International Federation of Clinical Chemistry and Laboratory Medicine (IFCC) for central laboratory testing for integration in Comparison programs. METHODS: Process mapping and risk assessment of the POC glucose testing process were used to establish potential QI. Group consensus was used to rank each potential QI based on the ability to retrieve data for the specific QI. Higher scores were attributed to QI where data could be retrieved electronically and automatically. The highest scoring QI were chosen for follow-up. Members of the working group (authors) were asked to submit data from their own institutions for each QI to evaluate the feasibility of monitoring each QI and to develop preliminary benchmarks. RESULTS: Five QI recommendations are provided for glucose POCT, including: positive patient identification, operator training, internal quality control monitoring, external quality assessment and critical results follow-up. Preliminary QI data are presented along with implementation strategies and challenges associated with each recommended QI. CONCLUSIONS: This study builds upon previous work by the Canadian Society of Clinical Chemists in developing a process to establish QIs for POCT based on process mapping and risk assessment. The recommended QIs are applicable to most other types of POCT, in addition to glucose testing.
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 | 0,006 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».