Evaluating the Effect of Clinical Decision Units on Patient Flow in Seven Canadian Emergency Departments
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the effect of emergency department (ED) clinical decision units (CDUs) on overall ED patient flow in a pilot project funded in 2008 by the Ontario Ministry of Health and Long-Term Care (MOHLTC). METHODS: A retrospective analysis of unscheduled ED visits at seven CDU pilot and nine control sites was conducted using administrative data. The authors examined trends in CDU utilization and compared outcomes between pilot-CDU and control sites 1 year prior to implementation, with the first 18 months of CDU operation. Sites that were unsuccessful in their applications for CDU program funding served as controls. Outcomes included ED length of stay (LOS), admission rates, and ED revisit rates. RESULTS: At CDU sites, roughly 4% of ED patients were admitted to CDUs. The presence of a pilot-CDU was independently associated with a small reduction in ED LOS for all low-acuity patients (-0.14 hour, 95% confidence interval [CI]=-0.22 to -0.07) and nonadmitted patients (-0.11 hour, 95% CI=-0.16 to -0.07). A small independent effect on absolute hospital admission rate for all high-acuity patients (-0.8%, 95% CI=-1.5% to -0.03%) and moderate-acuity patients (-0.6%, 95% CI=-1.1% to -0.2%) was also observed. Pilot-CDUs were not associated with changes in ED revisit rates. CONCLUSIONS: With only 4% of ED patients admitted to CDUs, the potential for efficiency gains in these EDs was limited. Nonetheless, these findings suggest small improvements in the operation of the ED through CDU implementation. Although marginal, the observed effects of CDU operation were in the desired direction of reduced ED LOS, reduced admission rate, and no increase in ED revisit rate.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 tête enseignante, 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 ».