MétaCan
Menu
Retour à la cohorte
Enregistrement W1861959519 · doi:10.1017/s1049023x15004835

Impact of a Two-step Emergency Department Triage Model with START, then CTAS, on Patient Flow During a Simulated Mass-casualty Incident

2015· article· en· W1861959519 sur OpenAlex
James Lee, Jeffrey Michael Franc

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevuePrehospital and Disaster Medicine · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSamara UniversityUniversity of Alberta
Mots-clésTriageMass-casualty incidentEmergency departmentMedicineEmergency medicineMean differenceMedical emergencyConfidence intervalPoison controlInjury preventionInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: A high influx of patients during a mass-casualty incident (MCI) may disrupt patient flow in an already overcrowded emergency department (ED) that is functioning beyond its operating capacity. This pilot study examined the impact of a two-step ED triage model using Simple Triage and Rapid Treatment (START) for pre-triage, followed by triage with the Canadian Triage and Acuity Scale (CTAS), on patient flow during a MCI simulation exercise. Hypothesis/Problem It was hypothesized that there would be no difference in time intervals nor patient volumes at each patient-flow milestone. METHODS: Physicians and nurses participated in a computer-based tabletop disaster simulation exercise. Physicians were randomized into the intervention group using START, then CTAS, or the control group using START alone. Patient-flow milestones including time intervals and patient volumes from ED arrival to triage, ED arrival to bed assignment, ED arrival to physician assessment, and ED arrival to disposition decision were compared. Triage accuracy was compared for secondary purposes. RESULTS: There were no significant differences in the time interval from ED arrival to triage (mean difference 108 seconds; 95% CI, -353 to 596 seconds; P=1.0), ED arrival to bed assignment (mean difference 362 seconds; 95% CI, -1,269 to 545 seconds; P=1.0), ED arrival to physician assessment (mean difference 31 seconds; 95% CI, -1,104 to 348 seconds; P=0.92), and ED arrival to disposition decision (mean difference 175 seconds; 95% CI, -1,650 to 1,300 seconds; P=1.0) between the two groups. There were no significant differences in the volume of patients to be triaged (32% vs 34%; 95% CI for the difference -16% to 21%; P=1.0), assigned a bed (16% vs 21%; 95% CI for the difference -11% to 20%; P=1.0), assessed by a physician (20% vs 22%; 95% CI for the difference -14% to 19%; P=1.0), and with a disposition decision (20% vs 9%; 95% CI for the difference -25% to 4%; P=.34) between the two groups. The accuracy of triage was similar in both groups (57% vs 70%; 95% CI for the difference -15% to 41%; P=.46). CONCLUSION: Experienced triage nurses were able to apply CTAS effectively during a MCI simulation exercise. A two-step ED triage model using START, then CTAS, had similar patient flow and triage accuracy when compared to START alone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil0,762

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,387
Écart entre enseignants0,331 · 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