Evidence based models for evaluating opertaing room performance
Notice bibliographique
Résumé
The operating room (OR) within a hospital environment is one of the most \nexpensive functional areas, yet the use of the OR also provides hospitals with an \nessential source of income. However, at present, there are variations on how to \nevaluate the performance of ORs, since there is no clear and full explanation of \nthe concept and methods used for evaluation. \nThe overall aim of this thesis is to develop an evidence based Operating Room \nAssessment Framework (ORAF) to evaluate Operating Room performance with \nclear and complete guidelines that can be used by operating room managers, \ndirectors or any other medical professionals to evaluate operating room \nperformance, determine OR planning and scheduling efficiency, OR workload \nand OR utilization. The resulting Operating Room Assessment Framework will \nassist targeted healthcare professionals in their quest to evaluate, monitor and \nimprove overall Operating Room efficiency. \nThe OR management systems of eight tertiary and teaching hospitals in three \ncountries (Japan, Canada and Saudi Arabia) have been examined from 2010 to \n2012, which include more than 98,500 procedures. \nThe Operating Room Assessment Framework (ORAF) involves three important \nelements of Operating Room performance, namely: OR scheduling level, the type \nof OR workload, and OR utilization. These elements can simply be read to reach \nthe end result, which includes three types of scheduling levels: under scheduling, \nideal scheduling and over scheduling; five types of OR workload: OR total \nworkload (the gross workload), OR actual workload, over workload, unnecessary \nworkload and unexpected workload; and three types of OR utilization: \nunderutilization, ideal utilization, and 100% utilization with over workload. \nThrough the validation process in different hospital contexts, the ORAF has \nproven its ability to perform satisfactorily, with accuracy, in line within the \nresearch’s objectives.
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 | 0,066 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,015 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».