이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

Bellvitge 대학 병원 응급실의 Advanced Triage 구현

2022년 2월 7일 업데이트: Cristina Font Cabrera, Hospital Universitari de Bellvitge

이 연구는 복잡도가 높은 병원의 응급실(ED) 통합 치료를 받는 환자의 치료 결과의 질을 개선하는 고급 분류의 효능을 평가합니다.

네 단계가 있습니다. 1단계는 개념 분석으로 구성됩니다. 2단계에는 고급 실습 프로토콜 용어 매핑이 포함됩니다. 3단계에서는 고급 분류에 대한 의료 전문가의 의견을 분석합니다. 4단계: 후향적 단계에서 사회인구학적 및 임상적 변수와 대기 시간과 같은 품질 지표를 분석합니다. 그 후, 전향적 단계에서 고급 분류가 구현되고 두 코호트가 비교됩니다.

연구 개요

상태

아직 모집하지 않음

개입 / 치료

상세 설명

1 단계:

연구 설계: 개념 분석은 연구할 요소(이 경우 Advanced Triage(AT))를 자세히 설명하고 지정하는 체계적인 분석 방법을 기반으로 수행됩니다. 이 연구는 Wilson(Wilson, 1969)에 의해 개괄되고 나중에 Avant(Walker & Avant, 1989)에 의해 발전된 방법을 기반으로 합니다. 이 기법은 11단계로 구성되어 있습니다. 1) 개념과 관련된 질문을 분리합니다. 2) 적절한 답을 찾는다. 3-7) 실제 또는 발명된 사례 개발; 8) 사회적 맥락을 결정한다. 9) 근본적인 감정을 식별합니다. 10) 실제 결과 수립 11) 논쟁의 여지가 있는 개념의 설명을 용이하게 하는 언어로 결과를 정의합니다. 이 방법론의 사용은 AT 개념의 모든 변형에 도달하는 다양한 정의의 구성을 제공합니다.

2 단계:

연구 설계: ATIC(Architecture Terminology Interface Knowledge), NANDA(Nursing Diagnoses: Definitions & Classification), NIC(Nursing Interventions Classification) 간의 양방향 교차 매핑의 관찰자 간 일치에 대한 관찰, 설명, 단면, 후향적, 후향적 관찰 연구 및 국제 질병 및 관련 건강 문제 분류(ICD-10). Catalan Institute of Health의 1차 의료(PHC)에 대한 NDM(Nurse Demand Management) 프로토콜을 기반으로 합니다.

데이터 수집: 데이터 수집자는 각 개념(평가, 진단 및 개입)에서 세 가지 용어를 수집하고 연결할 수 있는 양식을 설계합니다. 이러한 동등성의 식별은 각 연구원과 독립적으로 3명의 간호사가 참여하여 수행됩니다. 일치 결과에 따라 여러 관찰자 간 합의 세션이 개최됩니다. 불일치는 적절한 경우 합의 프로세스를 통해 해결됩니다. 다양한 언어(ATIC, NANDA, NIC 및 ICD-10)와 삼분법 변수를 사용하여 NDM 프로토콜에 포함된 개념의 등가성을 만들기 위해: 예/아니오/부분적으로; 및 명목 양적 변수는 매핑의 이해를 돕기 위해 동등성 유형을 나타내는 코드를 포함합니다.

데이터 분석: 수집된 데이터는 가공 및 가공 오류 여부를 확인하고 EXCEL로 분석합니다. 관찰자 간 신뢰도는 3명의 조사자의 결과에 따른 비율을 고려하고 kappa(K) 지수 계산을 사용하여 계산되며, 여기서 일치는 다음과 같이 간주됩니다. (1) 낮음, if (k) ≤0.20; (2) (k) 0.21-0.40이면 보통; (3) (K) 0.61-0.80이면 허용 가능하고 (5) (k) ≤0.81이면 우수합니다.

3단계 연구 설계: Catalan Institute of Health의 PHC에 이미 존재하는 다양한 프로토콜에 대한 관찰, 설명, 단면 및 전향적 연구 및 해당 프로토콜이 병원 환경에 적합한지 평가

연구 환경: 연구는 바르셀로나(스페인) 남부 대도시 지역에 있는 고도로 복잡한 공립 병원 응급실에서 수행됩니다. 이 단계는 두 단계로 구성됩니다.

1단계(P1): 기존 프로토콜을 평가할 전문가 위원회가 구성됩니다. 2단계(P2): 설문 조사는 AT에 대한 그들의 의견을 알기 위해 고도로 복잡한 병원의 응급실에서 근무하는 여러 의료 전문가에게 전달됩니다.

참가자: 1단계에서는 복잡도가 높은 병원의 응급실에서 근무할 의료 전문가 12명(간호사 8명과 의사 4명)으로 구성됩니다. 2단계에서 연구 인구는 고도로 복잡한 병원에서 지원 또는 관리 역량으로 응급실에서 일하는 모든 의료 전문가가 될 것입니다.

선택 기준:

포함 기준: 간호사 및 의사, Catalonia의 공립 병원 응급실 보조 및 관리자.

제외 기준: 보조 간호 기술자, 간호사, 간호사 및 행정 직원.

샘플 크기(2단계): 예상 비율(p)=0.05, 95% 신뢰 구간(α=0.05) 및 정밀도(y)=0.05로 최대 불확정성에서 시작합니다. 포함될 전문가의 수는 385명입니다. 가능한 손실의 15%를 가정하면 수정된 샘플 공식이 적용되어 총 490명의 개인 샘플을 제공합니다. 이 단계의 샘플링 기술은 비확률적 연속 샘플링입니다.

데이터 수집: 3단계의 1단계 및 2단계에 대한 변수는 NDM의 유용성 및 적용 가능성, 병원 AT에 의한 프로토콜 및 두 가지 라인이 고려됩니다. 첫 번째는 유용성 인식 평가이고 두 번째는 두 단계에서 의료 전문가의 적용 가능성.

유용성에 대한 인식: (1단계 및 2단계) AT에 의한 NDM의 각 33개 프로토콜의 정확성 및 이점에 대한 전문가의 인상 및 평가. 이 변수는 질적 서수 척도로 측정됩니다: 0에서 10까지, 여기서 0은 완전히 동의하지 않는다고 느끼고 10은 완전히 동의한다고 느낍니다.

적용 가능성에 대한 인식: (1단계 및 2단계) AT에 의한 33개의 NDM 프로토콜 각각의 적응성과 실행 가능성에 대한 실무자의 인상 및 평가. 이 변수는 0에서 10까지의 서수 질적 척도로 측정되며 0은 강하게 동의하지 않으며 10은 매우 동의합니다.

2차 변수: (2단계) 수년간의 경험, 전문 그룹, 간호 전문 영역에 대한 신념, AT에 대한 지식 및 AT에 대한 의견.

1단계의 데이터 수집은 NDM의 33개 프로토콜이 분석되는 그리드를 기반으로 수행됩니다. 각 프로토콜에서 12개의 질문을 분석해야 합니다. 2단계에서는 네 가지 블록으로 구성된 설문지가 관리됩니다. (2) AT에 대한 지식이 요구될 것입니다. (3) 다른 의료 전문가의 의견을 묻습니다. (4) 간호능력을 묻는다.

데이터 분석: 정성적 변수는 비율로 설명되며 95% 신뢰 구간을 계산합니다. 정량적 변수는 중심성의 척도로 평균과 중앙값, 분산의 척도로 표준편차와 사분위수 범위로 설명됩니다. -이변량 분석에서 각 경우에 표시된 파라메트릭 포트가 적용됩니다. 일반적으로 가장 일반적으로 사용되는 팟은 카이 제곱, Mann-Whitney U, 스튜던트 t 및 피어슨 상관-회귀 팟입니다. 마지막으로 다변량 분석에는 로지스틱 회귀 기술이 포함됩니다. 0.05 미만의 P-값은 통계적으로 유의한 것으로 간주됩니다.

4단계:

연구 설계: 2단계로 구성된 준실험 연구: 1단계(후향적 통제) 및 2단계(전향적 개입), 여기서 AT는 고급 임상 간호사를 기반으로 구현됩니다.

연구 환경: 연구의 범위는 Hospitalet 및 Prat de Llobregat의 201,192 거주자에 대한 커뮤니티 참조 역할을 하는 Catalonia(스페인 북동부)의 센터에 있는 매우 복잡한 병원의 ED가 될 것이며 다음을 요구하는 프로세스에 대한 참조 센터입니다. 남 수도권 지역, Camp de Tarragona 및 Terres de l'Ebre의 2백만 명 이상의 주민을 위한 첨단 기술. 바르셀로나 남부 수도권에 있는 201,192명의 커뮤니티 참조를 위한 소개 센터 역할을 하는 카탈로니아(스페인 북동부)에 있는 3차 의료 센터의 외래 응급실.

두 단계 모두에서 응급실을 방문하고 ESI(Emergency Severity Index) 척도에서 우선 순위 III, IV 또는 V로 분류될 모든 성인 환자(>18세)가 연구에 참여할 수 있습니다.

절차 및 개입:

통제 그룹은 일반적인 서비스 관리를 적용하고 다음을 분석합니다. (a) 분류에 특정한 품질 지표; (b) 클러스터; (c) 만족; (c) 통증; (d) 대기 시간. 연구의 이 부분을 통해 ED 치료의 현실을 더 잘 이해할 수 있습니다. 긴급성 및 복잡성과 관련하여 디지털 발자국을 설정할 수 있습니다. 서로 비교할 수 있도록.

데이터 분석: 정성적 변수는 비율로 설명되며 95% 신뢰 구간을 계산합니다. 정량적 변수는 중심성의 척도인 평균과 중앙값, 분산의 척도인 표준 편차와 사분위수 범위로 설명됩니다. Kolmogorov-Smirnov 테스트로 정량적 변수 분포의 정규성을 확인하고 이변량 분석에서 각 경우에 표시된 모수 및 비모수 포트를 적용합니다. 일반적으로 가장 일반적으로 사용되는 팟은 카이 제곱, Mann-Whitney U, 스튜던트 t 및 피어슨 상관-회귀 팟입니다. 마지막으로 다변량 분석에는 로지스틱 회귀 기술이 포함됩니다. 0.05 미만의 P-값은 통계적으로 유의한 것으로 간주됩니다. 모든 데이터는 SPSS(Statistical Package for the Social Sciences) v26.0 소프트웨어를 사용하여 분석됩니다.

최종 결과는 병원 ED TA 구현 프로그램을 설계하는 데 사용됩니다.

연구 유형

중재적

등록 (예상)

547

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

  • 이름: Cristina Font Cabrera, Nurse
  • 전화번호: +34 687 235 773
  • 이메일: cristinafont@ub.edu

연구 연락처 백업

  • 이름: Eva Maria Guix Comellas, Nurse. PHD
  • 전화번호: +34 609 310 430
  • 이메일: evaguix@ub.edu

연구 장소

    • Barcelona
      • L'Hospitalet de Llobregat, Barcelona, 스페인, 08907
        • Hospital Universitari de Bellvitge

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

18년 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

설명

포함 기준:

  • 18세 이상, ESI(Emergency Severity Index) 심각도 수준 III, IV 및 V로 분류된 ED에 입원.

제외 기준:

  • 70세 이상의 환자
  • 임산부
  • Glasgow Glasgow 점수가 15 미만인 환자
  • 3개 이상의 만성 병리 및/또는 1개의 복합 만성 병리를 가진 환자
  • 상담을 위해 동일한 이유로 ED를 재상담하는 질병 또는 환자.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 치료
  • 할당: 무작위화되지 않음
  • 중재 모델: 순차적 할당
  • 마스킹: 없음(오픈 라벨)

무기와 개입

참가자 그룹 / 팔
개입 / 치료
간섭 없음: 1단계(F1): 후향적 통제.
후향적 1상에는 2018년 1월부터 2022년 12월까지 ED에 참석한 모든 환자가 포함됩니다.
실험적: 단계(F2): Advanced Triage의 전향적 개입
고급 실습 간호사를 기반으로 한 고급 분류가 구현되는 2단계, 전향적. 2023년 1월부터 2024년 12월까지 환자를 포함합니다.
고급 분류는 응급 간호사가 임상 복잡성이 낮은 건강 문제를 해결할 수 있도록 하는 개입입니다. 모든 조치는 다학제 팀이 이전에 합의한 프로토콜을 기반으로 건강 문제를 해결하는 것을 목표로 합니다.
다른 이름들:
  • 고급 분류는 APN(Advanced Practice Nurse)의 일부입니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
분류에 특정한 품질 지표입니다.
기간: 초기 참조로 개입 전 시간.

누군가 또는 무언가를 특징 짓는 독특한 특성의 집합입니다. 이 변수는 분류에 특정한 품질 지표, 대기 시간 및 샘플을 알리는 변수로 구성된 복합 변수입니다.

  • 도착/등록-분류 시간: 환자가 응급실에 도착한 후 분류 분류까지 걸리는 시간. 품질 지표는 분류된 총 환자 수에 대해 <= 10분(분)으로 이 시간을 정의합니다.
  • 방문 대기 시간: 분류 후 120분 이내, 100%가 240분 이내에 의료진이 90% 이상 방문해야 한다고 규정되어 있습니다.
초기 참조로 개입 전 시간.

2차 결과 측정

결과 측정
측정값 설명
기간
무리:
기간: 연구 완료를 통해 평균 1년.

이 변수를 사용하면 유사한 조건에 있는 여러 개인을 그룹화할 수 있습니다. 이 변수는 다음으로 구성됩니다.

  • 연령(18-75세)
  • 성별: 남성/여성
  • 원산지 국가: 환자 출생 국가.
  • 환자의 출처: 환자가 다른 의료 리소스에서 참조한 응급실에 도착했는지 여부를 나타냅니다. 다음 값은 코딩됩니다. (a) 자택 (b) 거주지, (c) 1차 진료, (d) 병원, (e) 자택 입원, (f) 기타 외래 진료.
연구 완료를 통해 평균 1년.
CatSalut-PLAENSA©
기간: 12 개월.
이 척도를 통해 응급실에 방문할 환자의 만족도를 측정할 수 있습니다. CatSalut-PLAENSA© 만족도 조사는 0에서 10까지의 순서 척도를 기반으로 합니다. 이 변수는 질적 서수 척도로 측정됩니다. 0에서 10까지, 0은 전적으로 동의하지 않으며 10은 전적으로 동의합니다.
12 개월.
대기 시간
기간: 12 개월.
이것은 병원의 컴퓨터 시스템을 사용하여 분석됩니다. 다음 사항이 기록됩니다: ED에 들어가는 시간, 분류 시간, 참석 시간(간호사 또는 의사), 진통제 투여 시간, ED에서 퇴원하는 시간 및 환자가 응급실에 있었던 총 시간.
12 개월.
시각적 아날로그 척도(VAS 또는 EVA)
기간: 12 개월.
급성 및 만성 통증에 대한 검증되고 주관적인 척도입니다. 점수는 "통증 없음"과 "최악의 통증" 사이의 연속체를 나타내는 10cm 선에 손으로 표시하여 기록합니다. 이 변수는 서수 질적 척도에서 측정됩니다. 0 ~ 10, 0은 통증이 없는 상태이고 10은 매우 심한 통증입니다.
12 개월.

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

일반 간행물

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (예상)

2022년 9월 1일

기본 완료 (예상)

2024년 12월 31일

연구 완료 (예상)

2025년 12월 31일

연구 등록 날짜

최초 제출

2021년 12월 22일

QC 기준을 충족하는 최초 제출

2022년 2월 7일

처음 게시됨 (실제)

2022년 2월 8일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2022년 2월 8일

QC 기준을 충족하는 마지막 업데이트 제출

2022년 2월 7일

마지막으로 확인됨

2022년 2월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • PR085/20

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

구독하다