MétaCan
Menu
Retour à la cohorte
Enregistrement W1812755018 · doi:10.1002/jhm.2212

Development of a discharge readiness report within the electronic health record—A discharge planning tool

2014· article· en· W1812755018 sur OpenAlexaff
Amy Tyler, Ann Boyer, Sara Martin, Jenae Neiman, Leigh Anne Bakel, Mark Brittan

Notice bibliographique

RevueJournal of Hospital Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSubspecialtyMedicineDischarge planningHospital dischargeMedical emergencyElectronic health recordHealth carePatient dischargeMedical recordPsychological interventionProcess managementNursingMEDLINEFamily medicineIntensive care medicineBusinessSurgery

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,048
score de la tête « metaresearch » (Gemma)0,110
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,110
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,297
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital MedicineMême sujetHeart Failure Treatment and ManagementTravaux en français237 207