TTP6.01 Measurement of Lipids in Acute Pancreatitis (Hyperlipidemic Pancreatitis) Joint Surgical and Endocrinology project
Notice bibliographique
Résumé
Abstract Aims This project aims to improve the identification and management of high triglyceride (TG) levels as a contributing factor in acute pancreatitis (AP) cases at a district Hospital. It focuses on addressing gaps in lipid screening, ensuring timely referral to endocrinology or dieticians, and optimizing interventions to reduce recurrence rates and improve outcomes. Methods A retrospective audit was conducted on 78 patients admitted with or diagnosed with AP between March and August 2022. Patient data were reviewed to identify lipid measurement practices, causes of pancreatitis, and referral patterns. Interventions included working with the laboratory to partially automate lipid testing and planning educational initiatives for surgical teams. Results The audit revealed that nearly 31% of cases of pancreatitis had no identifiable cause, with undiagnosed high TG levels likely contributing in a subset. High TG levels (≥10 mmol/L) were linked to increased severity and mortality in AP, aligning with findings from prior studies. The existing system of lipid testing was inconsistent, particularly for cases diagnosed through imaging rather than amylase levels. Implementing lab automation for lipid screening improved testing rates with up to 87% but highlighted the need for continued manual blood requests for CT-diagnosed cases. Conclusions Hypertriglyceridemia is an under-recognized yet significant cause of AP. Consistent lipid testing and timely referrals to endocrinology and dieticians can reduce recurrence and improve outcome. Automation of lipid screening is a valuable step forward, but further education and system adjustments are essential for comprehensive management. Future audits will evaluate the impact of these interventions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».