Emergency care workload units: A novel tool to compare emergency department activity
Notice bibliographique
Résumé
INTRODUCTION: Funding bodies have traditionally used attendance figures as a way of determining the allocation of funding for resources in the EDs. Using attendance figures only might not accurately reflect the funding and resources required. The need to create an easily implemented tool to compare workload and resources required was identified. Using the Australasian Triage Scale, a tool was developed to estimate staffing requirements and resource use within each ED. This, although currently not validated, provides a promising start in finding a way to accurately determine ED workload. METHODS: Existing data on patient acuity, disposition, numbers of patients and the individual costing of each presentation was used to estimate and define the workload of an ED in emergency care workload units (ECWU). The tool is applied to six de-identified hospitals within Queensland to demonstrate its potential use for equitable budget and staffing allocation. RESULTS: The tool was applied to a selection of de-identified EDs within Queensland hospitals. An increased number of ECWU is generated for a patient with a more urgent triage category reflecting a higher resource consumption and workload. DISCUSSION: Although a few studies have been completed in Canada linking workload, resource consumption and cost to triage category, this tool will need to be validated before its use can be fully appreciated. CONCLUSION: This tool provides a simple method to calculate equitable distribution of staffing and budget allocation based on workload across the different EDs within Australia.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 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 ».