The In-Hospital Interval: A Description of EMT Time Spent in the Emergency Department
Notice bibliographique
Résumé
OBJECTIVE: We conducted a time-motion study of emergency medical technician (EMT) flow in an urban, academic emergency department (ED). Our objective was to describe the activity of the EMTs during their time in the ED. Secondary objectives included the association of time of day, age, and triage code with the various time intervals. METHODS: In this descriptive study, we combined information from two databases: prospectively collected time-motion data of EMTs presenting to one ED and an electronically collected prehospital call database of time data. The pretriage, triage, and posttriage time intervals were calculated, as well as total time spent in the ED as a proportion of total call time. Mean times with 95% confidence intervals (CIs) were reported. Analysis of variance was performed to examine the associations of time of day, age, and triage code with time intervals. RESULTS: Data were available for 152 calls. The mean pretriage interval was 8.79 (95% CI, 7.55-10.04) minutes, the mean triage interval was 5.14 (95% CI, 4.49-5.79) minutes, and the mean posttriage interval was 31.33 (95% CI, 29.08-33.58) minutes. The proportion of the total call time that was spent in the ED was 45%. Subgroup analysis showed significant differences only between total time spent in the ED in the 7:30-10:00 AM period as compared with the other periods. CONCLUSIONS: More time was spent in the pretriage and posttriage intervals as compared with the triage interval. Further time-motion studies in the ED will be necessary to plan interventions aimed at decreasing the time spent in-hospital by EMTs.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».