Impact of Clinician Education on Emergency Department Mechanical Restraint: An Interrupted Time‐Series Study
Notice bibliographique
Résumé
OBJECTIVE: Examine the impact of an education-based intervention co-designed with clinicians on attitudes towards and skills in caring for people with behaviours of concern in an emergency department (ED). METHODS: This 20-month interrupted time-series study (and nested 8-month before-and-after study) was conducted at a metropolitan hospital ED in Melbourne, Australia. The primary outcome was episodes of mechanical restraint before (1 January 2023 to 31 January 2023) and after (1 March 2024 to 30 September 2024) exposure of staff to an educational intervention. Secondary outcomes were staff injuries caused by patients, rate of offering voluntary medication for agitation, and medication timing before (1 October 2023 to 31 January 2024) and after (1 March 2024 to 30 June 2024) the intervention. RESULTS: Episodes of mechanical restraint were lower after the intervention (mean [SD] before: 5.5 [3.4] episodes per week; mean [SD] after: 2.5 [1.6] episodes per week; mean difference [95% CI]: 3.0 [1.7, 4.4] episodes per week, p < 0.001). There was a change in the level (β [95% CI] episodes per week: 2.22 [-4.35, -0.09], p = 0.041), but not a pre-existing downward trend (-0.00 [-0.07, 0.06], p = 0.960), of mechanical restraint. Staff sustained injuries caused by patients were lower after the intervention (φ = 0.138, p = 0.032). No significant difference was observed for offers of voluntary medication (φ = 0.049, p = 0.717) nor time to medication (mean difference [95% CI]: 67.08 [-83.87, 218.03] minutes, p = 0.374). CONCLUSIONS: A multifaceted educational intervention was associated with fewer episodes of emergency department mechanical restraint and fewer staff injuries caused by patients. Further work is needed to determine generalisability.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 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 ».