Multidisciplinary Approach for Reducing Risk of Catheter-Associated Thrombosis
Notice bibliographique
Résumé
Abstract Aim: Catheter-associated thrombosis (CAT) is a potential complication of vascular access devices, including peripherally inserted central catheters (PICCs), which can result in therapy interruption, increased cost of care, and patient consequences including phlebitis and pulmonary embolism. There are multiple modifiable (e.g., catheter size, insertion, and location confirmation methods) and nonmodifiable (e.g., cancer, history of thrombosis) risk factors for CAT. A multidisciplinary approach focused on quality improvement may help to lower risk. Methods: A retrospective study of patients with PICCs placed by vascular access nurses was conducted after a quality improvement initiative at a hospital within a 1200-bed health system in Philadelphia. A pre-post analysis was performed to compare the rates of CAT before and after a multiyear intervention targeting modifiable risk factors. An economic model calculated economic impact based on results of the observational audit. Results: Across the health system, very low CAT rates (1.2%) were observed in the post-intervention period, compared with a pre-intervention rate of 4.6%. The greatest reduction was attributed to the elimination of 6-Fr PICCs as part of the intervention. For every 1000 PICC placements, the economic model predicted cost savings exceeding $1M USD (i.e., $1,399,644) due to avoided thrombosis. Conclusions: This retrospective study demonstrated that small improvements to controllable elements of catheter care in a broad patient population can result in significant reductions in the risk of CAT and associated costs. Further study is required to confirm benefits in larger populations, and to understand which modifications could result in the highest cost savings.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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) | 0,000 | 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 ».