Impacto da implantação de um protocolo de transfusão de hemocomponentes em um hospital terciário do Sul do Brasil através de ferramenta de prescrição eletrônica
Bibliographic record
Abstract
Base teórica: Protocolos clínicos e diretrizes terapêuticas são frequentemente criados para auxiliar na prática clínica. Entretanto, não é incomum que diretrizes publicadas não sejam completamente seguidas, por inúmeros motivos. A adesão a protocolos transfusionais também não é ideal, apesar das últimas evidências na literatura apontarem para um uso cada vez mais restrito e mais racional do sangue; reduzindo a exposição dos pacientes a riscos transfusionais desnecessários. Desenho do estudo e métodos: Foram realizados dois estudos transversais, um antes e outro depois da implementação de um protocolo transfusional institucional através de ferramenta eletrônica vinculada à prescrição médica. Cada um dos períodos analisados foi de 30 dias consecutivos e, após, foram feitas comparações das características demográficas dos pacientes e do grau de adesão ao protocolo transfusional da instituição. Resultados: Foram avaliadas 963 prescrições de hemocomponentes nos dois períodos estudados, a maioria delas de concentrado de hemácias (73,3%), seguido de concentrado de plaquetas (16,5%) e plasma fresco congelado (10,2%). A ferramenta eletrônica foi capaz de aumentar a adesão ao protocolo transfusional de 62,9% em 2011 para 75,9% em 2012 (p<0,0001), seis meses após a implantação da ferramenta eletrônica, especialmente nas especialidades cirúrgicas e medicina interna. O número de transfusões realizadas por paciente teve relação independente com a mortalidade hospitalar, embora a adesão ao protocolo transfusional não tenha demonstrado tal efeito. Conclusões: Intervenções consideradas relativamente simples, como a implementação de uma ferramenta junto à prescrição médica, podem aumentar de forma significativa as taxas de adesão a protocolos institucionais, otimizando recursos e melhorando progressivamente a qualidade assistencial e segurança dos pacientes atendidos. Entretanto, deve ainda ser avaliada a efetividade dessa intervenção a longo prazo e as medidas associadas a boas taxas de adesão ao longo dos anos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".