Development of a discharge readiness report within the electronic health record—A discharge planning tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: With increasingly complex pediatric inpatients, efficient and effective hospital discharge requires optimal interdisciplinary care coordination and communication. We describe the development of a discharge readiness report (DRR) for the electronic health record (EHR), an integrated summary of discharge-related information organized into a highly visible and easily accessible report. METHODS: We used interviews and process mapping to understand the roles of all disciplines involved in discharge planning and identified key drivers affecting our aim of designing a discharge tool in the EHR. Based on identified key drivers, we designed the DRR and made changes to the report using rapid improvement cycles. The final report includes information necessary for discharge planning organized into 4 domains: potential barriers to discharge, transitional care, home care, and discharge criteria. RESULTS: The DRR was activated in June 2012. As planned, the final product incorporated previously existing discharge-related information from within the EHR, organized into 1 report. Shortly after its introduction, the DRR was included in daily care coordination rounds (CCRs) for medical and medical subspecialty patients. End users found the report to be completely populated and accurate. We measured time to completion of CCRs and found no difference between duration of CCRs pre- and postuse of the DRR. CONCLUSIONS: Given widespread adoption, EHRs should be optimized to improve healthcare delivery. A discharge planning tool in the EHR may improve the efficiency and effectiveness of care transitions by allowing for proactive discharge planning and improved interdisciplinary communication.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle