Discovering the Impact of Preceding Units' Characteristics on the Wait Time of Cardiac Surgery Unit from Statistic Data
Notice bibliographique
Résumé
INTRODUCTION: Prior research shows that clinical demand and supplier capacity significantly affect the throughput and the wait time within an isolated unit. However, it is doubtful whether characteristics (i.e., demand, capacity, throughput, and wait time) of one unit would affect the wait time of subsequent units on the patient flow process. Focusing on cardiac care, this paper aims to examine the impact of characteristics of the catheterization unit (CU) on the wait time of cardiac surgery unit (SU). METHODS: This study integrates published data from several sources on characteristics of the CU and SU units in 11 hospitals in Ontario, Canada between 2005 and 2008. It proposes a two-layer wait time model (with each layer representing one unit) to examine the impact of CU's characteristics on the wait time of SU and test the hypotheses using the Partial Least Squares-based Structural Equation Modeling analysis tool. RESULTS: Results show that: (i) wait time of CU has a direct positive impact on wait time of SU (β = 0.330, p < 0.01); (ii) capacity of CU has a direct positive impact on demand of SU (β = 0.644, p < 0.01); (iii) within each unit, there exist significant relationships among different characteristics (except for the effect of throughput on wait time in SU). CONCLUSION: Characteristics of CU have direct and indirect impacts on wait time of SU. Specifically, demand and wait time of preceding unit are good predictors for wait time of subsequent units. This suggests that considering such cross-unit effects is necessary when alleviating wait time in a health care system. Further, different patient risk profiles may affect wait time in different ways (e.g., positive or negative effects) within SU. This implies that the wait time management should carefully consider the relationship between priority triage and risk stratification, especially for cardiac surgery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».