Improving patient satisfaction by adding a physician in triage
Notice bibliographique
Résumé
Background: The physician in triage (PIT) model has been proposed as a process improvement to help increase efficiency in the Emergency Department setting. However, its effect on patient satisfaction has not been well established. Methods: An interventional study comparing patient satisfaction scores for the 6-month period before and after implementation of a physician in triage model. In our system an additional attending physician was assigned to triage from 1 p.m. to 9 p.m. daily. Outcome measures were mean scores obtained from respondents to Press Ganey® patient satisfaction surveys for selected questions most likely to be impacted by PIT implementation and those included in the physician section of the survey. Results: Five hundred and eight respondents seen in the six months before the initiation of the PIT team and 458 respondents in the six months after the system change were included in the study. Improvement was noted in the absolute Press Ganey® scores in the Post-PIT time period across all questions analyzed with statistically significant differences noted for 8 of the 10 questions studied. Conclusions: Although seemingly small there was a statistically significant improvement in the absolute patient satisfaction scores after adding a physician in triage. Because small gains in absolute scores can result in large improve- ments on the percentile rank when using Press Ganey® surveys, physician in triage may be of significant benefit to overall patient satisfaction.
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 | 0,000 |
| 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 ».