Optimizing Emergency Department Care for People With Bleeding Disorders: A Scoping Review of Barriers and Interventions for Improvement
Notice bibliographique
Résumé
ABSTRACT Background Emergency department (ED) care is critical for managing acute bleeding events in people with bleeding disorders. Despite international guidelines recommending haemostatic treatment within 30–60 min, delays and deviations from best practices are common and associated with poorer outcomes. Objective Identify barriers to guideline‐concordant ED management of bleeding disorders, evaluate interventions, assess clinical impact, and highlight knowledge gaps to inform future research. Methods Five databases (MEDLINE, Embase, Scopus, Web of Science, Cochrane Library) were searched from inception to 21 March 2025, following established scoping review guidelines and a pre‐registered protocol. Eligible studies examined barriers or interventions for improving ED care. Data were independently screened and extracted by two reviewers, then synthesized using descriptive statistics and narrative synthesis. Results Seventeen studies out of 3541 met inclusion criteria. Common barriers included electronic medical record (EMR) limitations, absence of standardized protocols, limited healthcare professional education, and inadequate communication with haematology. Delayed time to therapy ( n = 8, range 1.4–5.6 h) was frequently reported; additional impacts included failure to administer haemostatic therapy for confirmed/suspected bleeding, non‐indicated diagnostic testing, and patient mortality. Most interventions combined EMR enhancements with education. All interventions were associated with improved outcomes, including reduced time to therapy ( n = 4, range 0.4–2.5 h). Perspectives of people with bleeding disorders and caregivers were infrequently incorporated. Conclusion This review provides the first comprehensive synthesis of barriers and interventions in ED care for people with bleeding disorders, identifying critical gaps in timely treatment, interdisciplinary coordination, and stakeholder engagement. These findings provide a foundation for future quality improvement research.
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 | 0,021 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».