MétaCan
Menu
← Retour à la cohorte
Enregistrement W7115005085 · doi:10.1093/pch/pxaf116.031

31 Implementing a Bundle-of-Care approach to enhance timely interventions for displaced paediatric forearm fractures in the emergency department: A pre- and post-intervention study

2025· article· en· W7115005085 sur OpenAlexaff

Notice bibliographique

RevuePaediatrics & Child Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésEmergency departmentDemographicsConfidence intervalPsychological interventionForearmProtocol (science)Fracture reduction

Résumé

récupéré en direct d'OpenAlex

Abstract Background This study evaluated the effectiveness of a new bundle-of-care protocol for timely fracture management in children presenting to the emergency department (ED) with forearm fractures. Objectives The primary objective was to determine whether implementing a new bundle-of-care protocol in 2022 decreased the time from ED arrival to readiness for fracture reduction (termed “time to readiness”, defined as the completion of radiographs, analgesia administration, and intravenous (IV) insertion) compared to the pre-implementation period. Design/Methods This retrospective study analyzed data from children aged 1 to 17 years presenting to a tertiary paediatric ED with forearm fractures between April 2021 and September 2023. Included participants were patients requiring fracture reduction and triaged as CTAS 2 or triaged as CTAS 3 with pain severe enough to require opioids before imaging. The bundle-of-care, developed by a multidisciplinary team, included immediate transfer in the resuscitation room for IV insertion, analgesia, and radiographic imaging. Implementation used various knowledge translation methods, and iterative cycles identified barriers and facilitators. The primary outcome measured the time between ED arrival and readiness for fracture reduction. Secondary outcomes included time intervals between arrival and analgesia, IV access, radiographs, reduction and discharge from the ED. The analyses compared 95% confidence intervals (95%CI) for the difference in medians for these time intervals between pre- and post-implementation phases. Results During the study period, 247 children met the inclusion criteria, with a median age of 10 years old. Baseline demographics were similar in both pre- and post-implementation phases, but 182 were male (74%). Most children suffered from dual radius/ulna fractures (n=202). Median time to readiness decreased from 140 minutes to 103 minutes after implementing the bundle-of-care (difference: 32 minutes; 95%CI: 15-49 minutes). This decrease was also noted in median time to radiographs (difference: 16 minutes; 95%CI: 6-27 minutes), time to IV insertion (difference: 23 minutes; 95%CI 2-42 minutes), time to reduction (difference: 34 minutes; 95%CI: 15-55 minutes) and ED length of stay (difference: 40 minutes; 95%CI 16-67 minutes). However, no statistically significant difference was found for analgesia (difference: 3 minutes; 95%CI: -4 to 10 minutes). Conclusion We demonstrated that implementing a bundle-of-care protocol significantly reduced time to readiness for fracture reduction in paediatric patients. This was accompanied by improved time intervals in key steps of the protocol. These findings underscore the benefits of adopting structured care protocols to optimize treatment outcomes for paediatric fractures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,377
Écart entre enseignants0,362 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetPediatric Pain Management Techniques→Travaux en français237 207→