Improving Documentation Quality of Blood Transfusion Request Forms: A Two-Cycle Quality Improvement Initiative at a Tertiary Hospital in Sudan
Notice bibliographique
Résumé
BACKGROUND: Proper completion of blood transfusion request forms is vital for patient safety and quality assurance. Inadequate documentation increases the risk of transfusion errors, medico-legal complications, and compromised patient outcomes. Objective: To assess and improve the completeness and accuracy of blood transfusion request forms at Dongola Teaching Hospital through a two-cycle quality improvement initiative that included both evaluation and implementation phases. Methods: This two-cycle closed-loop clinical audit, conducted as a quality improvement project, incorporated retrospective and prospective elements and was guided by the Plan-Do-Study-Act (PDSA) model. In the first cycle, 50 transfusion request forms were reviewed (May 2025). Deficiencies were identified, and a standardized form was introduced with staff training. In the second cycle (September 2025), 42 forms were audited against the same benchmarks. Data were analyzed using descriptive statistics and comparative proportions with significance testing (p<0.05). Results: Significant improvements were observed across most documentation parameters. Patient demographics, clinical details, and laboratory information showed marked gains between the first cycle (n = 50) and the second cycle (n = 40): date of birth (35 [87.8%]), file number (39 [97.6%]), current Hb level (40 [100%]), and transfusion indication (33 [82.9%]). Laboratory documentation also improved substantially, including the collector's signature (39 [97.6%]) and collection date/time (39 [97.6%]). However, a slight decline was noted in the documentation of the number of units requested (34 [85.4%]). Conclusion: The intervention significantly improved form completeness and accuracy, enhancing transfusion safety and compliance with international standards. Continuous monitoring, regular feedback, and periodic re-audits are essential to sustain these improvements over time.
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 | 0,027 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».