A dynamic model of the systemic causes for patient treatment delays in emergency departments
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
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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