MétaCan
Menu
Retour à la cohorte
Enregistrement W7101745178 · doi:10.64483/jmph-183

The Double-Edged Sword of Clinical Decision Support in Labor & Delivery: A Systematic Review of its Impact on Nursing Judgment

2024· article· W7101745178 sur OpenAlexaff

Notice bibliographique

RevueSaudi Journal of Medicine and Public Health · 2024
Typearticle
Langue
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiochemical and Structural Characterization
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesnon disponible
Mots-clésWorkflowClinical decision support systemPatient safetyDecision support systemCornerstoneHolismUterotonicAutonomyObstetric nursing

Résumé

récupéré en direct d'OpenAlex

Background: The integration of Clinical Decision Support (CDS) systems in Electronic Health Records (EHRs) has become the cornerstone of modern obstetric practice, aimed at standardizing and improving patient safety. In the high-stakes environment of Labor and Delivery (L&D), CDS tools, specifically for fetal heart rate (FHR) interpretation and oxytocin administration, are widely used in practice. These systems exert a profound influence on L&D nurses' workflow and clinical decision-making, as they are the primary agents of continuous patient monitoring. Aim: This review synthesizes the literature from 2015 to 2024 to explore the multifaceted impact of EHR-embedded CDS on nursing judgment, specifically on its effect on nursing autonomy, patient safety, and the phenomenon of alert fatigue. Methods: A narrative review was conducted by searching the databases PubMed, CINAHL, and Web of Science. Search terms were "clinical decision support," "nursing," "labor and delivery," "fetal heart rate," "oxytocin," "patient safety," "autonomy," and "alert fatigue." Results: The findings show a complex and often conflicting interplay between CDS and nursing practice. CDS systems can enhance safety by providing an organized framework for FHR assessment and imposing evidence-based oxytocin protocols, thus leading to a reduction in adverse events. They can, at the same time, erode nursing autonomy by promoting algorithmic thought, deskilling, and replacing holism in clinical judgment. Furthermore, high levels of non-actionable or excessively sensitive alerts are one of the biggest contributors to alert fatigue, which consequently leads to workarounds, desensitization, and safety issues that eliminate the intended benefits. Conclusion: CDS in L&D is a double-edged sword. Its optimal application depends on a human-factors design that produces systems to support, rather than supplant, the nurse's critical thinking. Strategies need to address escalating alert specificity, smoothly integrating CDS into nursing workflow, and building a culture in which technology supplements, but never substitutes for, expert nursing judgment. Safe obstetric care in the future hinges on a complementary partnership of nurse intuition and computerized intelligence.

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)0,008
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,063
Tête enseignante GPT0,434
Écart entre enseignants0,371 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSaudi Journal of Medicine and Public HealthMême sujetBiochemical and Structural CharacterizationTravaux en français237 207