MétaCan
Menu
Retour à la cohorte
Enregistrement W1967336393 · doi:10.1108/17465661011092650

A dynamic model of the systemic causes for patient treatment delays in emergency departments

2010· article· en· W1967336393 sur OpenAlexaff
David L. Cooke, Thomas R. Rohleder, Paul Rogers

Notice bibliographique

RevueJournal of Modelling in Management · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCausal loop diagramEmergency departmentSystem dynamicsEconomic shortageOriginalitySafety stockOperations managementMedicinePopulationComputer scienceQualitative researchOperations researchMedical emergencyBusinessNursingEconomicsSupply chainMarketingSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to report on the development of a qualitative systems model developed to understand why average emergency department (ED) length of stay (LOS) was rapidly increasing while the number of ED visits was relatively constant. The paper's focus was to identify systemic causes for poor patient flow so that the model could then be used to evaluate improvement options using a more complete view of the causal structure for the ED delays. Design/methodology/approach In this case study, a disciplined system dynamics approach was used that included development of a dynamic hypothesis, causal loop and stock and flow diagramming, interviews with system experts, and data collection and analysis. Findings Results support the dynamic hypothesis that an aging population and shortages of resources to treat chronically ill patients (among other dynamics) were causing longer average LOS. Older and sicker patients were consuming more ED resources and causing less acute patients to leave without being seen or to avoid visiting the ED in the first place. In essence, the ED was acting as a safety valve for the wider health care system as many parts of this wider system became overloaded. Practical implications Owing to the systemic causes for the patient treatment delay problem in the ED, simple local solutions are unlikely to be effective. The system model can be used as a basis to understand the underlying dynamics of the systemic causes for poor patient flow and identify robust and long‐term solutions. Originality/value The paper presents a process for developing a dynamic model to engage the various participants in a health care system in understanding the causes for delays and poor patient flow. The modeling approach can be used as a means for health care managers/administrators to identify improvement options that address the systemic problems.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,026
Tête enseignante GPT0,290
Écart entre enseignants0,264 · 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'étudeSimulation ou modélisation
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

Citations13
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Modelling in ManagementMême sujetEmergency and Acute Care StudiesTravaux en français237 207