MétaCan
Menu
Retour à la cohorte
Enregistrement W7010315073

Implementation strategies used to reduce Unplanned Extubations (UPE) in the Neonatal Intensive Care Unit at The Hospital for Sick Children (SickKids)

2021· dissertation· en· W7010315073 sur OpenAlexaboutno aff

Notice bibliographique

Revuee-scholar@UOIT (University of Ontario Institute of Technology) · 2021
Typedissertation
Langueen
DomainePsychology
ThématiqueHealthcare Decision-Making and Restraints
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeonatal intensive care unitMechanical ventilationSick childSedationIntensive careIntensive care unitGestational ageArtificial ventilationHealth care
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study analyzed unplanned extubation (UPE) reduction strategies as well as patient characteristics and other risk factors for all UPEs that occurred between January 1, 2007 and December 31, 2019 in the neonatal intensive care unit (NICU) at the Hospital for Sick Children (SickKids) in Toronto, Canada. Six major implementation strategies decreased UPEs per 100 ventilator days from 2.38 to 0.45 between 2003 and 2019. The study sample included 302 UPEs (252 infants) with 12% infants with repeated UPEs. The study analyzed the association of NICU UPEs with previous UPE history, birth weight, gestational age, taping protocol, procedures prior to UPE, sedation concern, patient restraint, type of endotracheal tube, loose tape, length of mechanical ventilation and length of NICU stay. These findings would be helpful for other healthcare facilities and researchers to inform the development of UPE reduction frameworks, and to improve patient outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,335
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuee-scholar@UOIT (University of Ontario Institute of Technology)Même sujetHealthcare Decision-Making and RestraintsTravaux en français237 207