Impacto de la implantación de una Guía de Buenas Prácticas en la Valoración y Selección del Acceso Vascular: cumplimentación de registros y complicaciones de los catéteres
Notice bibliographique
Résumé
RESUMEN: \nLa prevalencia de los catéteres durante el ingreso es alta, hasta un 60% de los pacientes que ingresan portan un catéter venoso periférico (CVP) y un 10% un catéter venoso central (CVC). Existen complicaciones asociadas a estos dispositivos, para los CVP, el más prevalente es el riesgo de flebitis desde el 25 al 60% y para los CVC las complicaciones llegan a ocasionar el 12 % de las muertes. En España se han implantado desde hace años prácticas basadas en la evidencia (PBE) para que los profesionales desarrollen en su práctica clínica, al fin de reducir estas complicaciones. En 2017, el Hospital Valle Nalón (HVN) finalizó el proyecto de implantación de la Guía de Buenas Prácticas de Enfermería (GBPE) en la Valoración y Selección de Dispositivos de Acceso Vascular. Dentro del proyecto de los Centros Comprometidos con la Excelencia de Cuidados (CCEC® / BPSO® por su nombre en inglés) que utilizan como referencia las guías desarrolladas por la Asociación Profesional de Enfermeras de Ontario (Registered Nurses Association of Ontario, en lo sucesivo RNAO, por sus siglas en inglés) siendo el centro colaborador la Unidad de Investigación en Cuidados de Salud del Instituto Carlos III (Investén-isciii). El objetivo de este estudio es evaluar el impacto de la implantación de la GBPE en la Valoración y Selección del Acceso Vascular en la cumplimentación de registros y complicaciones de los catéteres, durante el periodo 2018-2020. Se llevará a cabo un estudio de tipo observacional retrospectivo, mediante la revisión de las historias clínicas de todos los pacientes que ingresaron durante esos 2 años en la uci del hospital. Se estima un tamaño muestral necesario de 367 pacientes Las variables cuantitativas se expresarán mediante media y desviación estándar, rango y la mediana cuando ofrece información adicional. Las variables cualitativas mediante proporciones. Variables categóricas se utilizará la prueba t de Student. Para comparar frecuencias entre diversas categorías de dos variables cualitativas se utilizará Chi cuadrado.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».