Improving pediatric care in Uganda with a digital platform and quality improvement initiative: A retrospective review of Smart Triage + QI
Notice bibliographique
Résumé
OBJECTIVE: This is a retrospective review of the feasibility study and implementation of the Smart Triage and Quality Improvement (QI) initiative at Holy Innocents Children's Hospital (HICH), a dedicated pediatric hospital in Mbarara, Uganda, over a 5-year period. The aim of this QI initiative was to improve triaging rates and the time-to-antimicrobials in HICH's outpatient department (OPD). METHODS: Smart Triage is a risk prediction algorithm and digital platform that enables healthcare workers to triage patients and track treatments effectively. Following the feasibility study, the QI program was implemented in September 2021 using three Plan-Do-Study-Act cycles: 1) Standardize Training, 2) Adjust Workflows, and 3) QI Team Communication. Data sources were triage and hospital reports. Monthly run charts of OPD attendance, acuity of illness, triaging rates, median-time-to-antimicrobials, and mortality rates of admitted patients were created. The trajectories of the variables were assessed using linear regression with time as the explanatory variable. RESULTS: 121,521 children attended HICH OPD from November 2018 to October 2023. The OPD triaging rate increased to 91% by October 2023, with a sustained plateau above 90% since July 2022. There was a significant reduction in the median time-to-antimicrobials during the 5-year period, from 77.6 to 53.6 minutes, with a slope of -0.4 minutes per month (CI: -0.73 to -0.04, p-value: 0.029). The inpatient mortality rate decreased from 5.1% in August 2018 to 2.6% in October 2023, with a significant increase in the number of cases with comparable illness severity. CONCLUSION: The impact of Smart Triage was sustained beyond the end of the feasibility trial and showed sustained improvements in processes such as treatment times and clinical outcomes including a reduction in mortality. HICH's leadership integrated a culture of QI across disciplines and departments, contributing to this initiative's sustainability and impact.
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 | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».