Validation of the Work Observation Method By Activity Timing (WOMBAT) method of conducting time-motion observations in critical care settings: an observational study
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
BACKGROUND: Electronic documentation handling may facilitate information flows in health care settings to support better coordination of care among Health Care Providers (HCPs), but evidence is limited. Methods that accurately depict changes to the workflows of HCPs are needed to assess whether the introduction of a Critical Care clinical Information System (CCIS) to two Intensive Care Units (ICUs) represents a positive step for patient care. To evaluate a previously described method of quantifying amounts of time spent and interruptions encountered by HCPs working in two ICUs. METHODS: Observers used PDAs running the Work Observation Method By Activity Timing (WOMBAT) software to record the tasks performed by HCPs in advance of the introduction of a Critical Care clinical Information System (CCIS) to quantify amounts of time spent on tasks and interruptions encountered by HCPs in ICUs. RESULTS: We report the percentages of time spent on each task category, and the rates of interruptions observed for physicians, nurses, respiratory therapists, and unit clerks. Compared with previously published data from Australian hospital wards, interdisciplinary information sharing and communication in ICUs explain higher proportions of time spent on professional communication and documentation by nurses and physicians, as well as more frequent interruptions which are often followed by professional communication tasks. CONCLUSIONS: Critical care workloads include requirements for timely information sharing and communication and explain the differences we observed between the two datasets. The data presented here further validate the WOMBAT method, and support plans to compare workflows before and after the introduction of electronic documentation methods in ICUs.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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