A Quality Improvement Initiative to Improve Early Postoperative Pain Outcomes After Tonsillectomy in Children
Notice bibliographique
Résumé
BACKGROUND: Intraoperative opioid use during pediatric tonsillectomy is commonly avoided to reduce the risk of postoperative respiratory adverse events (PRAEs). Avoidance of perioperative opioids may contribute to increased early postoperative pain, which can result in patients receiving rescue doses of opioids in the postanesthesia care unit (PACU). AIMS: The aim of this project was to reduce moderate to severe pain in PACU for pediatric tonsillectomy/adenotonsillectomy patients by 50% within 12 months. METHODS: Pilot data was collected on the intraoperative care and PACU pain outcomes of patients between June 2018 and June 2020. A six-item toolkit was designed, then implemented from April 2021, with identical data points collected for comparison. Postintervention patients were categorized into toolkit compliance groups: (1) Standard of care (< 5 of 6 items delivered), (2) Partial Toolkit (5 of 6 items delivered), and (3) Toolkit (100% adherence). Statistical process control charts were used for data analysis. RESULTS: Data was collected for 420 patients. Baseline data reported 65.8% of patients experienced moderate-severe pain in PACU. In the first 12 months of toolkit implementation (2021-2022), the incidence of moderate to severe pain decreased to 47.1% in the 100% adherence group (28% reduction). In subsequent years (2022-2024), this measure decreased further to 31% (53% reduction overall). Pretoolkit, 69% of patients received rescue opioids in PACU. In the first 12 months of toolkit implementation (2021-2022), the incidence of rescue opioids in PACU decreased to 35% in the 100% toolkit adherence group (49% reduction). From 2022 to 2024, this decreased to 45% (35% reduction). CONCLUSION: Through the implementation of the tonsillectomy toolkit, we helped reduce early postoperative pain by 28% in the first year. Continued data collection showed the intervention to be sustainable and delivered subsequent decreases in moderate to severe pain by a factor of 53%. These improvements were achieved without increasing PRAEs, postoperative nausea/vomiting incidence, or PACU length of stay.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».