Remote Mentorship to Improve Continuous Positive Airway Pressure Use in the Ethiopian Neonatal Network
Notice bibliographique
Résumé
BACKGROUND: Continuous positive airway pressure (CPAP) is an evidence-based therapy for respiratory distress syndrome (RDS), the leading cause of death for preterm infants globally. Ethiopian Neonatal Network (ENN) teams identified a quality gap in CPAP use for preterm infants with RDS. We sought to use remote education and mentorship without additional resources to improve CPAP use in this population. METHODS: Nineteen public ENN hospitals participated in this quality improvement (QI) collaborative (September 2021 to September 2022). The primary intervention was implementation of a telementoring program. Five Ethiopian nurse-physician mentor pairs each supported 4 mentee hospitals through a remote CPAP optimization training package. Quarterly ENN collaborative meetings reviewed progress and challenges. Hospitals submitted patient-level data for all neonatal unit admissions and monthly audits. Run chart rules were used to assess for nonrandom evidence of change related to CPAP use. Preterm mortality in preintervention and postintervention periods was evaluated by a χ2 test. RESULTS: The launch of the QI collaborative with remote education and mentoring coincided with an increase in the documentation of Downes score on admission (57.8% to 95.6%) and number of preterm infants (<37 weeks' gestation) receiving CPAP (129 to 138 per month). Preterm mortality decreased significantly from preintervention (28%) to postintervention periods (21.6%) (P < .0001). CONCLUSION: Ethiopian nurse-physician mentorship pairs supporting mentee hospitals in standardizing assessments of respiratory distress and optimizing the use of CPAP increased the number of preterm infants treated with CPAP. Significant reduction in preterm mortality postintervention is encouraging as CPAP use continues to scale up globally.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».