Process Improvement: Perioperative Eye Protection under General Anesthesia for Nonocular Surgery
Notice bibliographique
Résumé
Purpose. This process improvement project aimed to promote systematic perioperative eye protection for patients who undergo general anesthesia for nonocular surgery.Background. Perioperative eye injuries can cause distress from severe pain, vision loss, and even blindness. Anesthesia practice pattern is associated with perioperative eye protection outcomes. Eye protection beyond taping the eyes with general anesthesia is institution and practitioner dependent. Clinical evidence indicated that consistent anesthesia department-wide eye protection practice changes improve outcomes. Presenting current practice-based evidence could promote local process improvement toward a sustained result. Methods. The Ottawa Model of Research Use Theory guided this education and survey-based project design. All eligible anesthesia providers (n=12) were invited to review a PowerPoint presentation of an innovative four-step eye protection Bundle and its associated theory and clinical evidence. Their current practice and future practice change were surveyed for each component of the Bundle. Two data points—the participation rate and the Bundle acceptance rate in the post-survey—have to reach a predetermined threshold to consider implementing any component of the Bundle. In addition, the post-survey must receive a higher approval rate than the corresponding pre-survey question. Results. The first data point is the participation rate which is 67% (8/12), over the threshold of 50%. The second data point is that Five Bundle components reached the threshold of 60% in the post-presentation survey with three of the five components showing significant differences from pre-presentation survey. The three components are Individualized eye protection- “Need-based product choice,” “implementing an anesthesia department-wide perioperative eye complication treatment protocol, and collecting data on eye-protection outcomes. Conclusions. This project identified three priority areas of practice change for local process improvement.
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 | 0,031 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».