MétaCan
Menu
← Retour à la cohorte
Enregistrement W4412090092 · doi:10.7759/cureus.87426

Evaluating the Impact of Audits and Re-audits on Adherence to the Ottawa Knee Rules in a High-Volume UK Trauma Centre

2025· article· en· W4412090092 sur OpenAlexaboutno aff
Hamza Ahmed, Aima Gilani, Farid Najd Mazhar, Muhammad Rizwan, Abdur Rehman

Notice bibliographique

RevueCureus · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAuditVolume (thermodynamics)Physical therapyEmergency medicineMedical emergencyAccounting

Résumé

récupéré en direct d'OpenAlex

Background The Ottawa Knee Rules (OKR) are a validated clinical decision-making tool designed to minimise unnecessary radiographs in knee trauma, thereby reducing radiation exposure, optimising resource utilisation, and streamlining patient management. This study audits and re-audits the clinical compliance with OKR in radiography referrals by the Orthopaedic and Emergency Department (ED) teams at Salford Royal NHS Foundation Trust. Methodology A two-cycle retrospective audit was conducted, examining knee X-ray request forms submitted between October 2023 and March 2024 (Cycle 1) and March 2024 and September 2024 (Cycle 2). Each request was evaluated against the OKR criteria and cross-referenced with corresponding clinical notes. Target compliance was 100%. Educational interventions were implemented after Cycle 1 to improve adherence. Results In Cycle 1, only 41% of referrals documented at least one OKR criterion. This improved significantly to 91% in Cycle 2. Notable improvements were observed in specific OKR indicators, including documentation of inability to bear weight (14% to 57%) and isolated patellar tenderness (13% to 72%). Conclusions Educational interventions substantially improved OKR compliance among ED and Orthopaedic staff. Sustained efforts, including regular training and audits, are essential to maintain adherence, reduce unnecessary imaging, and ensure high-quality patient 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,084
score de la tête « metaresearch » (Gemma)0,250
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,446

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0840,250
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,405
Écart entre enseignants0,345 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureus→Même sujetShoulder Injury and Treatment→Travaux en français237 207→