Optimizing renin angiotensin inhibitor use in peritoneal dialysis: A single-center Canadian quality improvement study
Notice bibliographique
Résumé
BackgroundRenin-angiotensin system inhibitors (RASi) offer important benefits for patients on peritoneal dialysis (PD), particularly in preserving residual kidney function and peritoneal membrane integrity. Despite these benefits, concerns about hyperkalemia and hypotension often limit clinical practice utilization.ObjectivesTo achieve a 20% increase in RASi utilization among eligible patients on PD at an academic hospital in Toronto, Canada through a quality improvement initiative.MethodsWe conducted a pre-intervention analysis through retrospective chart review from July 2022 to September 2023. We implemented a "PD Passport," a clinical documentation tool used by clinic staff in each visit to highlight missed RASi prescription opportunities. The primary outcome measure was RASi utilization at 6-month post-implementation. Process measures included PD passport completion rates, while balancing measures tracked rates of symptomatic hypotension and hyperkalemia.ResultsAmong 63 patients on PD (mean age 58.7 years, 55.6% male), baseline RASi utilization was 41%. Following implementation, RASi utilization increased to 59% by October 2024, representing a 17% increase but falling short of the 20% target. There were no significant differences in mean systolic blood pressure (125.71 ± 4.19, 125.64 ± 7.02 mmHg; p = 0.653), mean serum potassium (4.34 mmol/L, 4.31 mmol/L; p = 0.662), and mean urine output (915.2 mL, 921.8 mL; p = 0.881) before and after the intervention.ConclusionsThe PD Passport initiative substantially increased RASi utilization by 17% without compromising patient safety, as evidenced by stable blood pressure and potassium levels. While falling slightly short of our 20% target, this structured documentation approach effectively bridges the gap between evidence and practice, demonstrating the value of targeted tools in enhancing guideline-concordant care for PD patients.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».