Un problème de sécurité du patient

La détérioration de l’état clinique des patients dans les services hospitaliers est un problème fréquent et est souvent la cause de l’évolution vers un arrêt cardio-respiratoire, contribuant largement à la morbidité et la mortalité.^1-5 Il peut arriver que cette dégradation ne soit pas constatée, voire pire, qu’elle soit observée mais non prise en charge,^1,6 aboutissant à un arrêt cardio-respiratoire. Actuellement, ces évènements sont classés comme des évènements indésirables graves (EIG) selon plusieurs méthodes de signalement, notamment Get with the Guidelines®⁷ de l’American Heart Association et les Indicateurs de la sécurité des patients (ISP) de l’Agency for Healthcare Research and Quality (AHRQ).⁸ Les patients chirurgicaux sont susceptibles de faire un arrêt cardio-respiratoire en raison de comorbidités pré-existantes (en particulier des troubles ou des pathologies telles que l’apnée obstructive du sommeil et des maladies cardiaques), de la procédure chirurgicale elle-même et de l’administration d’opioïdes, associés aux effets résiduels de l’anesthésie.^9,10 Il s’agit d’une préoccupation majeure pour les anesthésistes, qui conditionne le transfert en toute sécurité dans une chambre sans surveillance ou la demande d’un lit en unité de surveillance continue, ressource éventuellement limitée.

Le Système de réponse rapide d’intervention au service de la sécurité du patient

Dans le courant des années 90, les Systèmes de réponse rapide (SRR) ont été mis en œuvre pour prendre en charge ce problème de sécurité des patients.^4,11,12 Les SRR sont composés de deux éléments principaux. Le plus visible des deux est la mise en place d’équipes répondant à l’appel à l’aide pour les patients dont l’état se détériore. Ces équipes sont souvent, mais pas toujours, composées de personnels d’unités de soins intensifs, et sont connues sous le nom de « part efférente » de la réponse. La « part afférente » désigne le processus et les critères selon lesquels la détérioration clinique est reconnue et l’équipe de réponse rapide est activée. La part afférente utilise les critères d’activation, les programmes éducatifs et les changements organisationnels pour encourager les prestataires de soins à activer la part efférente à chaque fois que l’état d’un patient semble se détériorer. L’élément fondamental du SRR² est probablement de comprendre et développer des critères efficaces et valables d’activation, même si l’équipe de réponse rapide (la part efférente) est essentielle à la réussite de ces systèmes. Par conséquent, ces critères d’activation ont évolué au fil du temps et sont devenus les Early Warning Scores, EWS (Scores d’alerte précoce), qui constituent le deuxième élément des SRR.

Au début des années 90, des indicateurs courants de la détérioration clinique ont été identifiés à partir des dossiers médicaux des patients qui avaient fait un arrêt cardio-respiratoire dans un service hospitalier.^2,5,6 Les indicateurs identifiés étaient principalement des modifications physiologiques (rythme cardiaque élevé, tension artérielle basse ou altération de l’état neurologique) et il est courant de les constater plusieurs heures avant l’arrêt cardiaque proprement dit. La capacité à identifier ces changements constituait un potentiel d’opportunités pour une intervention précoce. Vraisemblablement, plus les signes d’alerte sont reconnus tôt, plus l’intervention peut être efficace. Même si les SRR ont permis de réduire la mortalité dans les hôpitaux et les arrêts cardio-respiratoires inopinés, leur potentiel n’a pas été optimisé.^4,9,10 Ainsi, persistent encore une incapacité des professionnels de santé à reconnaître les signes de détérioration de l’état d’un patient et une incapacité des systèmes de données actuels à déclencher rapidement une réponse appropriée.

Résoudre l’échec de la part afférente grâce aux Scores d’alerte précoce

Les efforts pour résoudre les défauts d’identification précoce de la détérioration clinique (c.-à-d. l’échec de la part afférente) ont suivi des démarches différentes, notamment des programmes éducatifs, des initiatives d’autonomisation des infirmiers et l’utilisation croissante de systèmes basés sur les données pour améliorer la réponse clinique. Initialement, les hôpitaux s’appuyaient uniquement sur les seuils de paramètres vitaux associés à la « préoccupation clinique » du personnel infirmier au chevet du patient comme critères d’activation. C’est encore le cas dans de nombreux établissements hospitaliers. Par la suite, plusieurs hôpitaux ont développé et mis en place les « early warning scores » (EWS) qui tentent d’intégrer les signes vitaux et les données de laboratoire (par ex. l’acide lactique) pour améliorer la sensibilité et la spécificité de la détection précoce. Dans certaines études sur les EWS on observe une amélioration du devenir des patients par rapport aux systèmes n’intégrant que des paramètres vitaux uniques, alors que d’autres études ont montré peu de différence.^3,13-36 Les différentes conclusions de ces études peuvent s’expliquer notamment par l’utilisation de critères trop stricts ou trop vagues pour le signalement de la détérioration (par ex. seuils extrêmes de fréquence cardiaque), l’utilisation de critères de jugement différents (tels que le taux total d’arrêts cardiaques par rapport au taux d’arrêts cardiaques hors unités de soins intensifs), des programmes éducatifs inefficaces pour encourager le déclenchement approprié des SRR, l’absence de véritables politiques de soutien à l’intervention, une mauvaise mise en œuvre des projets et une acceptation culturelle variable des équipes de soins.

Il est intéressant de se pencher sur plusieurs EWS. L’un des premiers à avoir été publié a été celui de Subbe et al. en 2003.¹³ Ce groupe a développé un système de scores multiparamètres, qui attribue des points en fonction du degré d’anormalité de chaque paramètre. Outre les signes vitaux physiologiques, cet EWS intégrait aussi des éléments relatifs au statut neurologique du patient. Quand les patients dépassaient un certain score seuil (> 4), ils étaient orientés vers une évaluation clinique. Malheureusement, cette mise en œuvre initiale n’a pas permis de constater une amélioration du devenir des patients. En 2006, Green et Williams ont rapporté les résultats d’un « Early Warning Clinical Marker Referral Tool » (Outil d’orientation basé sur des marqueurs cliniques d’alerte précoce), qui intégrait des paramètres vitaux uniques. Les auteurs ne sont pas parvenus à démontrer une amélioration des résultats avec cet EWS, toutefois il a permis d’orienter des patients plus stables et moins graves vers une unité de soins intensifs suggérant qu’un tel score pouvait permettre de reconnaître une détérioration plus précocement. Dans une autre étude, Rothschild et al.¹⁸ ont mis en œuvre un EWS à paramètre unique pour les patients hospitalisés dans un service de médecine générale. Ils ont constaté que même si les conditions d’alerte précoce utilisées pour déclencher l’intervention des équipes SRR étaient d’assez bons indicateurs d’une détérioration aiguë, l’existence de signes précoces d’insuffisance respiratoire dans le cadre d’un monitoring de routine était fortement associée à des évènements indésirables futurs mettant en danger la vie des patients. La même année, Prytherch et al. ont décrit un EWS appelé ViEWS (VitalPAC™ EWS, Sussex Place, Londres).¹⁷ Ce système de « suivi et déclenchement » (en anglais, « track and trigger ») basé sur des données agrégées et pondérées a été développé pour devenir potentiellement une norme nationale au sein du service national de santé du Royaume-Uni. Lorsque ViEWS était appliqué aux ensembles de données collectées antérieurement, sa capacité à prédire un arrêt cardiaque et un décès était supérieure aux autres EWS.^17,19 Une version simplifiée de ViEWS a ensuite été validée dans un hôpital régional canadien, sur des patients réels, où le système s’est avéré efficace pour les patients des services médicaux et chirurgicaux.¹⁶ Le Tableau 1 inclut une liste de plusieurs EWS évalués cliniquement.

Tableau 1. Tableau d’une sélection d’EWS

En 2014, une revue systématique des articles relatifs aux EWS utilisés pour les patients des services de médecine générale rapportait un essai randomisé contrôlé et 20 études observationnelles, évaluant 13 systèmes EWS différents. Certains EWS utilisés dans les études étaient des systèmes à paramètre unique alors que d’autres utilisaient des systèmes de scores intégrés. Certains avaient pour but d’identifier des problèmes cliniques spécifiques, comme un choc septique. Huit études (toutes des études observationnelles) ont examiné la capacité d’un EWS à prédire le décès ou l’arrêt cardio-respiratoire. Globalement, ces études ont démontré que les EWS présentent de bonnes performances pour la prédiction d’un arrêt cardiaque et d’un décès sous 48 heures. Treize études ont examiné l’impact des EWS sur la santé des patients et l’utilisation des ressources avec des résultats mitigés.³⁷ Cela suggère que l’impact des EWS sur le devenir des patients est incertain, cependant ils pourraient permettre d’identifier la détérioration de l’état des patients.

Plus récemment, des algorithmes prédictifs qui utilisent l’apprentissage automatique et les « Big Data » ont été proposés et développés, avec une meilleure capacité de prédiction de la détérioration clinique.³⁸ L’apprentissage automatique est un processus d’intelligence artificielle, selon lequel les algorithmes informatiques « auto-apprennent » et améliorent leurs performances en s’entraînant sur des ensembles de données, sans recourir à la reprogrammation. Bien qu’intéressants sur le plan conceptuel, il reste à prouver que la mise en œuvre des EWS conduit à l’amélioration des résultats cliniques.

Plusieurs justifications ont été proposées pour expliquer l’échec de ces EWS existants à améliorer les résultats cliniques. Premièrement, la fréquence de l’acquisition des signes vitaux dans les services hospitaliers peut être insuffisante pour permettre la détection de la détérioration clinique.⁶ Une deuxième explication possible est que les valeurs des signes vitaux peuvent contenir des inexactitudes et des audits de ces données ont confirmé cette hypothèse.³⁹ L’informatisation des dossiers (ID) ne contribue guère à l’amélioration de cette situation car leurs performances dépendent de données collectées de manière intermittente et parfois inexacte. Troisièmement, la reconnaissance, la réponse et la communication à l’équipe clinique peuvent ne pas être suffisamment rapides. Par conséquent, il n’est pas surprenant que les EWS et la part afférente des SRR ne soient pas nécessairement à la hauteur de leur potentiel présumé.

Le monitoring de surveillance pourrait être un meilleur moyen pour collecter les données cliniques d’un patient dont l’état se détériore dans un service de médecine générale et pour prendre les mesures nécessaires. ^40,41 Le monitoring de surveillance est différent de la « surveillance de l’état du patient », utilisée en soins intensifs lorsque les patients sont instables ou présentent un risque d’instabilité et que le ratio personnel-patients est ajusté en conséquence. En revanche, les patients des services de médecine générale présentent un risque globalement faible d’instabilité et le ratio personnel-patients est très inférieur. Le monitoring de surveillance a pour but d’identifier la rareté de la détérioration clinique chez les patients généralement à faible risque. Les patients hospitalisés en service, et en particulier les patients post-chirurgicaux, risquent diverses complications, notamment des troubles du rythme cardiaque, une ischémie myocardique, un sepsis, une insuffisance respiratoire et des complications hémorragiques. La surveillance par monitoring donne la possibilité d’améliorer nombre des facteurs limitants des EWS jugés comme étant au cœur des échecs de la part afférente ; elle est continue, dépend moins des erreurs humaines, est potentiellement plus précise et, si elle est automatiquement connectée à un système de déclenchement par bipper ou téléphone portable, elle permet de pallier à l’absence d’évaluation continue du patient en cours d’aggravation.

Pour être fiable, la surveillance par monitoring doit encore surmonter plusieurs obstacles. Premièrement, elle doit être mobile et sans fil, car contrairement aux patients de soins intensifs dont le monitoring est fixe, les patients hospitalisés en service de médecine déambulent. La technologie sans fil a considérablement progressé au cours des dix dernières années. Il existe désormais des systèmes sans fil qui répondent à ce besoin.⁴² Cette technologie est contrainte par des normes de sécurité en évolution constante et toujours plus strictes pour protéger non seulement les données des patients, mais aussi les systèmes de technologie de l’information en santé des hôpitaux. Une autre exigence est que la batterie du système de surveillance mobile ait une autonomie suffisante. Le besoin de changer ou de recharger fréquemment la batterie rendrait ce système peu pratique. Une troisième exigence est la nécessité que le système de monitoring soit confortable et relativement discret. Il est peu probable que les patients d’un service de médecine qui déambulent tolèrent le port d’un équipement lourd ou gênant. Quatrièmement, la collecte des paramètres vitaux doit être continue, car l’utilisation de données collectées par intermittence ne permettrait pas la détection des signes précoces de détérioration. Cinquièmement, elle doit posséder un degré de précision acceptable, ainsi qu’un taux gérable de fausses alarmes. Le monitoring de l’état du patient en soins intensifs (par ex. certaines alarmes d’ECG) présente un taux élevé de fausses alarmes. Ces taux élevés de fausses alarmes peuvent entraîner une lassitude, responsable d’une non prise en compte des alarmes ou d’une réponse tardive, ce qui pose un grave problème de sécurité.⁴³ Il est difficile de définir un taux acceptable de fausses alarmes pour un monitoring clinique de patients hospitalisés. Toutefois, il convient de trouver un équilibre entre la nécessité de contrôler la lassitude liée aux alarmes et l’avantage potentiel pouvant découler de l’obtention en continu de données plus fiables.

Les études sur la surveillance par monitoring sont encore limitées, mais les résultats sont encourageants. Plusieurs études ont enregistré d’excellents résultats avec l’utilisation d’un oxymètre comme monitoring principal de surveillance des patients post-chirurgicaux.^44-49 Une étude récente⁴² a examiné un système de monitoring multiparamètres sans fil dans un service de neurologie/neurochirurgie et constaté que le taux moyen d’alerte, toutes alarmes confondues (oxymétrie₂, fréquence cardiaque, pression artérielle non invasive et fréquence respiratoire) était de 2,3 alarmes/patient/jour et que le taux de déclenchement du SRR a été réduit. La mesure d’autres critères pronostics tels que la réadmission en soins intensifs, n’a pas permis de constater une amélioration statistiquement significative, avec toutefois une tendance positive. Nous avons testé un système équivalent dans un service de post-chirurgie et constaté des tendances semblables.⁵⁰

Conclusion

Il est impératif d’éviter que la détérioration clinique ne soit pas reconnue et ne soit pas prise en charge dans les services hospitaliers. La mise en œuvre des SRR a permis de réduire le nombre de tels évènements, mais pour continuer à améliorer le devenir des patients il faudra de meilleures méthodes de prédiction des stades précoces de la détérioration, et de déclenchement des interventions. Malgré les améliorations apportées aux systèmes EWS et à la surveillance par monitoring, les prestataires de santé devront continuer à intervenir de manière opportune, à proposer rapidement des diagnostics différentiels appropriés, à réunir des données supplémentaires pertinentes le cas échéant et à mettre en place des thérapies efficaces fondées sur les preuves, notamment le triage nécessaire vers un niveau de soin plus élevé pour améliorer le devenir des patients.

 

Le Dr Winters est directeur de la division réanimation dans le Département d’anesthésie réanimation Johns-Hopkins et co-directeur des Services de soins intensifs chirurgicaux à la Johns Hopkins University School of Medicine.

---

Il ne signale aucun conflit d’intérêt en lien avec cet article.

---

Documents de référence :

1. Smith AF, Wood J. Can some in-hospital cardio-respiratory arrests be prevented? A prospective survey. Resuscitation 1998;37:133–137.
2. Devita MA, Smith GB, Adam SK, et al. Identifying the hospitalized patient in crisis—a consensus conference on the afferent limb of the Rapid Response Systems. Resuscitation 2010;81:375–382.
3. Bellomo, R Ackerman M, Bailey M, et al. A controlled trial of electronic automated vital signs monitoring in general hospital wards. Crit Care Med 2012;40: 2349–2361.
4. Winters BD, Weaver SJ, Pfoh ER, et al. Rapid response systems as a patient safety strategy: a systematic review. Ann Int Med 2013;158:417–425.
5. Herlitz JA, Bang A, Aune S, et al. Characteristics and outcome among patients suffering in-hospital cardiac arrest in monitored and non-monitored areas. Resuscitation 2001; 48:125–135.
6. Buist MD, Jarmolowski E, Burton PR, et al. Recognising clinical instability in hospital patients before cardiac arrest or unplanned admission to intensive care. A pilot study in a tertiary-care hospital. Med J Aust 1999; 171:22–5.
7. Brady WJ, Gurka KK, Mehring B, Peberdy MA, O’Connor RE. In-hospital cardiac arrest: impact of monitoring and witnessed event on patient survival and neurologic status at hospital discharge. Resuscitation 2011;
   82:845–52.
8. Fox N, Willcutt R, Elberfeld A, Porter J, Mazzarelli AJ. A critical review of patient safety indicators attributed to trauma surgeons. Injury 2017;48:1994-1998.
9. Goldhill DR. Preventing surgical deaths: critical care and intensive care outreach services in the postoperative period. Br J Anaesth 2005;95:88–94.
10. Lee A, Lum ME, O’Regan WJ, Hillman KM. Early post-operative emergencies requiring an intensive care team intervention. Anaesthesia 1998;53:529–535.
11. Maharaj R, Raffaele I, Wendon J. Rapid Response Systems: a systematic review and meta-analysis. Crit Care 2015;19:254–268.
12. Ranji SR, Auerbach AD, Hurd CJ, O’Rourke K, Shojana KG. Effects of rapid response systems on clinical outcomes: systematic review and meta-analysis. J Hosp Med 2007;2:422–432.
13. Subbe CP, Davies RG, Williams E, Rutherford P, Gemmell L. Effect of introducing the Modified Early Warning score on clinical outcomes, cardio-pulmonary arrests and intensive care utilisation in acute medical admissions. Anaesthesia 2003;58:775–803.
14. Subbe CP, Gao H, Harrison DA. Reproducibility of physiological track and trigger warning systems for identifying at-risk patients on the ward. Intensive Care Med 2007;33:619–24.
15. Gardner-Thorpe J, Love N, Wrightson J, Walsh S, Keeling N. The value of Modified Early Warning Score (MEWS) in surgical patients: a prospective observational study. Ann R Coll Surg Engl 2006;88:571–5.
16. Kellett J, Kim A. Validation of an abbreviated VitalPAC™ early warning score (ViEWS) in 75,419 consecutive admissions to a Canadian regional hospital. Resuscitation 2012;83:297–302.
17. Prytherch DR, Smith GB, Schmidt PE, Featherstone PI. ViEWS—towards a national early warning score for detecting adult inpatient deterioration. Resuscitation 2010;81:932–937.
18. Rothschild JM, Gandara E, Woolf S, Williams DH, Bates DW. Single parameter early warning criteria to predict life-threatening adverse events. J Patient Saf 2010;
    6:97–101.
19. Smith GB, Prytherch DR, Meredith P, Schmidt PE, Featherstone PI. The ability of the national early warning score (NEWS) to discriminate patients at risk of early cardiac arrest, unanticipated intensive care unit admission, and death. Resuscitation 2013;84:465–470.
20. Churpek MM, Yuen TC, Park SY, et al. Derivation of a cardiac arrest prediction model using ward vital signs. Crit Care Med 2012;40:2102–2108.
21. Churpek MM, Yuen TC, Huber MT, et al. Predicting cardiac arrest on the wards: a nested case-control study. Chest 2012;141:1170–1176.
22. Opio MO, Nansubuga G, Kellett J. Validation of the VitalPAC™ early warning score (ViEWS) in acutely ill medical patients attending a resource-poor hospital in sub-Saharan Africa. Resuscitation 2013;84:743–746.
23. Bailey TC, Chen Y, Mao Y, et al. A trial of a real-time alert for clinical deterioration in patients hospitalized on general medical wards. J Hosp Med 2013;8:236–242.
24. Albert BL, Huesman L. Development of a modified early warning score using the electronic medical record. Dimens Crit Care Nurs 2011;30:283–292.
25. De Meester K, Das T, Hellemans K, et al. Impact of a standardized nurse observation protocol including MEWS after intensive care unit discharge. Resuscitation 2013;84:184–188.
26. Green AL, Williams A. An evaluation of an early warning clinical marker referral tool. Intensive Crit Care Nurs 2006;22:274–282.
27. Jones S, Mullally M, Ingleby S, et al. Bedside electronic capture of clinical observations and automated clinical alerts to improve compliance with an early warning score protocol. Crit Care Resusc 2011;3:83–88.
28. Maupin JM, Roth DJ, Krapes JM. Use of the modified early warning score decreases code blue events. Jt Comm J Qual Patient Saf 2009;35:598–603.
29. Mitchell IA, McKay H, Van Leuvan C, et al. A prospective controlled trial of the effect of a multi-faceted intervention on early recognition and intervention in deteriorating hospital patients. Resuscitation 2010;81:658–666.
30. Moon A, Cosgrove JF, Lea D, Fairs A, Cressey DM. An eight-year audit before and after the introduction of modified early warning score (MEWS) charts, of patients admitted to a tertiary referral intensive care unit after CPR. Resuscitation 2011;82:150–154.
31. Odell M, Forster A, Rudman K, Bass F. The critical care outreach service and the early warning system on surgical wards. Nurs Crit Care 2002;7:132–135.
32. Patel MS, Jones MA, Jiggins M, Williams SC. Does the use of a “track and trigger” warning system reduce mortality in trauma patients? Injury 2011;42:1455–1459.
33. Smith AF, Oakey RJ. Incidence and significance of errors in a patient “track and trigger” system during an epidemic of Legionnaires’ disease: retrospective case note analysis. Anaesthesia 2006;61:222–228.
34. Subbe CP, Davies RG, Williams E, Rutherford P, Gemmell L. Effect of introducing the modified early warning score on clinical outcomes, cardio-pulmonary arrests and intensive care utilisation in acute medical admissions. Anaesthesia 2003;58:797–802.
35. Hammond NE, Spooner AJ, Barnett AG, et al. The effect of implementing a Modified Early Warning Scoring (MEWS) system on the adequacy of vital sign documentation. Aust Crit Care 2013;26:18–22.
36. Cretikos M, Chen J, Hillman K, et al. MERIT study investigators. The objective medical emergency team activation criteria: a case-control study. Resuscitation 2007;73:62–72.
37. Smith MEB, Chiovaro JC, O’Neil M et al. Early warning system scores for clinical deterioration in hospitalized patients: a systematic review. Ann Am Thorac Soc 2014;11:1454–1465.
38. Henry KE, Hager DN, Pronovost PJ, Saria S. A targeted real-time early warning score (TREWScore) for Septic Shock. Sci Transl Med 2015;7:299–308.
39. Chen J, Hillman K, Bellomo R, et al. The impact of introducing a medical emergency team system on the documentation of vital signs. Resuscitation 2009; 80:35–43.
40. Taenzer AH, Pyke JP, McGrath SP. A review of current and emerging approaches to address failure-to-rescue. Anesthesiology 2011;115:421–31.
41. Taenzer AH, Spence BC. The afferent limb of rapid response teams: Continuous monitoring on general care units. Crit Care Clin 2018;34:189–98.
42. Weller RS, Foard KL Harwood TN. Evaluation of a wireless, portable, wearable multi-parameter vital signs monitor in hospitalized neurological and neurosurgical patients. J Clin Monit Comput 2017 Dec 6. [Epub ahead of print]
43. Winters BD, Cvach M, Bonafide CP, et al. Technological Distractions (Part2): A summary of approaches to manage alarm quantity with intent to reduce alarm fatigue. Crit Care Med 2018;46:130–137.
44. McGrath SP, Pyke J, Taenzer AH. Assessment of continuous acoustic respiratory rate monitoring as an addition to a pulse oximetry-based patient surveillance system. J Clin Monit Comput 2017;31:561–569.
45. McGrath SP, Taenzer AH, Karon N, Blike G. Surveillance monitoring management for general care units: strategy, design, and implementation. Jt Comm J Qual Patient Saf 2016;42:293–302.
46. Taenzer AH, Pyke J, Herrick MD, Dodds TM, McGrath SP. A comparison of oxygen saturation data in inpatients with low oxygen saturation using automated continuous monitoring and intermittent manual data charting. Anesth Analg 2014;118:326–31.
47. Pyke J, Taenzer AH, Renaud CE, McGrath SP. Developing a continuous monitoring infrastructure for detection of inpatient deterioration. Jt Comm J Qual Patient Saf 2012;38:428–31.
48. Taenzer AH, Pyke JB, McGrath SP, Blike GT. Impact of pulse oximetry surveillance on rescue events and intensive care unit transfers: a before and after concurrence study Anesthesiology 2010;112:282–7.
49. Watkinson PJ, Barber VS, Price JD, et al. A randomized controlled trial of the effect of continuous electronic physiological monitoring on the adverse event rate in high risk medical and surgical patients. Anaesthesia 2006;61:1031–9.
50. Verrillo SC, Cvach M, Hudson-Wagner K, Winters BD. Using continuous vital sign monitoring (cVSM) to detect early deterioration in adult post-operative inpatients. J Nurs Care Qual 2018 Aug 7. [Epub ahead of print]