Developing and implementation of an acute stroke dashboard to meet reporting requirements for status as a tertiary care stroke center
Notice bibliographique
Résumé
Contexte: Les directives de meilleures pratiques pour l'AVC aigu recommandent un parcours de soins, en dépit des preuves limitées de l'impact sur les indicateurs de la fonction. Les parcours de soins existants manquent d'éléments visant directement l'amélioration de la fonction; ces éléments pourraient mieux orienter les soins vers des résultats fonctionnels. Objectif: L'objectif était de développer et de tester la faisabilité et l'impact d'un tableau de bord, centré sur le patient, suite à un AVC en phase aigue pour suivre les indicateurs de récupération fonctionnelle des patients post-AVC. Méthodes : Trois théories du transfert des connaissances ont été utilisées pour informer l'élaboration du tableau de bord. Les méthodes ont consisté d'une analyse des lacunes des pratiques de documentation pour 240 patients historiques. Un modèle a été construit reflétant le contenu axé sur les résultats actuels et nouveaux, testé de façon prospective sur 25 patients. Une version électronique a été développée de manière itérative, mise en œuvre et testée de manière prospective. Résultats :Pour l'étape A, la documentation collectée sur trois périodes de temps révèle une documentation cohérente pour seulement trois domaines fonctionnels : le contrôle de la vessie, la déglutition et la capacité de manger indépendamment. La capacité indépendante de mobilité et les activités de la vie quotidienne étaient rarement documentées, à l'exception de la capacité à marcher lorsque l'unité des soins suite à un AVC était en opération, ce qui augmente de 18% à 59%. Pour l'étape B, le contenu du tableau de bord a été établi à partir de l'information discutée lors des rencontres hebdomadaires avec l'unité des AVC. Les items ont été rédigés, classés et les choix de réponses sélectionnés. Des algorithmes ont été créés afin de calculer les scores totaux des indicateurs de récupération fonctionnelle. Douze itérations ont été effectuées sur une période de 3 mois. Pour l'étape C, pendant le déploiement de la phase papier du tableau de bord, il était clair que ce format ne serait pas adopté par l'équipe, car il était inflexible et restait sur le dossier médical, dupliquant les rapports déjà requis. L'équipe de recherche a dû terminer la quasi-totalité du contenu. Une version électronique via une application a dû être développée sur des appareils mobiles distribués à chaque station d'infirmières. L'équipe de recherche a facilité la transition vers les dossiers électroniques auprès de l'équipe clinique. Pour l'étape D, l'application électronique a été déployée par le personnel de l'unité de soins suite à un AVC. Deux infirmières se sont portées volontaires afin de prendre en charge l'utilisation quotidienne du tableau de bord. Sur une période de 6 mois, 20 itérations du tableau de bord se sont produites pour combler les besoins émergents. Les données de 117 patients ont révélé que le contenu infirmier, environ 50 champs de données, a été complété auprès de plus de 90% des patients. Le contenu des autres membres de l'équipe était moins fréquemment complété : physiothérapeutes (10 champs) ont complété ~ 23%; ergothérapeutes et orthophonistes varient entre 5% et 13%.Conclusion :Ce tableau de bord a procuré de meilleures données systématiques sur la fonction que la tenue de dossier habituelle. Le processus de transmission des connaissances a été efficace pour engager les infirmières en chef et leurs assistantes dans le processus de créer un système de tenu de dossier électronique rencontrant les exigences énoncées par le Ministère de la santé du Québec pour les centres tertiaires suite à un AVC.
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 | 0,053 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».