MétaCan
Menu
Retour à la cohorte
Enregistrement W2008099582 · doi:10.1097/pec.0b013e31802c611e

Computer Modeling of Patient Flow in a Pediatric Emergency Department Using Discrete Event Simulation

2007· article· en· W2008099582 sur OpenAlexaff
Geoffrey R. Hung, Sandra Whitehouse, Craig O’Neill, Andrew P. Gray, Niranjan Kissoon

Notice bibliographique

RevuePediatric Emergency Care · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensBritish Columbia Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésOvercrowdingStaffingEmergency departmentMedicineTriageDiscrete event simulationScheduling (production processes)Medical emergencyEmergency medicineSimulationOperations managementComputer scienceNursingEngineering

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: Increasing patient census and department overcrowding are universal concerns in pediatric emergency medicine. Accurate predictions of patient flow and resource utilization in the pediatric emergency department (PED) are important in determining what aspects of PED activity could be modified to improve patient flow, reduce patient waiting times, and increase staff efficiency and morale, and thus direct change more effectively. BACKGROUND: We report (1) the construction of a Patient Flow Model (PFM) using discrete event simulation to test simulated PED staffing scenarios that were designed to alleviate the pressures that result from increased census and overcrowding, and (2) a Physician Scheduling Analysis Tool to assist in physician scheduling. METHODS: Arena discrete event simulation modeling software was used to develop a model of PED patient flow after extensive interviews with PED staff and direct observation of patient flow in July 2005. A total of 517 patients were directly observed, and all modeled aspects of their interaction with PED staff and resources were recorded. Historical demographic patient arrival information was combined with observed patient flow data to provide simulated patient arrival rates for the PFM and was also used to construct the Physician Scheduling Analysis Tool. Validation of the PFM was performed by comparing annual simulated patient flow data with actual patient flow data. Previously determined staffing scenarios were applied to the simulation and the resulting performance indicator outputs examined. RESULTS: The PFM was validated on model-wide and process-specific levels, with excellent validation observed on high acuity-patient length of stay and for highly detailed processes such as triage and registration. Simulation of the addition of a hospital volunteer and a second triage nurse demonstrated reductions in pretriage waiting time and the proportion of patients waiting longer than 30 or 60 minutes for pretriage. Simulation of an extra physician shift to the staff schedule demonstrated reductions in length of stay for patients of all triage categories. CONCLUSIONS: The PFM accurately represents patient flow through the department and can provide simulated patient flow information on a variety of scenarios. It can effectively simulate changes to the model and its effects on patient flow.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,050
Tête enseignante GPT0,410
Écart entre enseignants0,361 · 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

Citations130
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric Emergency CareMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207