Surgical instrumentation: the true cost of instrument trays and a potential strategy for optimization
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
Objective: Operating rooms (OR) generate a large portion of hospital revenue and waste. Consequently, improving efficiency and reducing waste is a high priority. Our objective was to quantify waste associated with opened but unused instruments from trays and to compare this with the cost of individually wrapping instruments.Methods: Data was collected from June to November of 2013 in a 550-bed hospital in the United States. We recorded the instrument usage of two commonly-used trays for ten cases each. The time to decontaminate and reassemble instrument trays and peel packs was measured, and the cost to reprocess one instrument was calculated.Results: Average utilization was 14% for the Plastic Soft Tissue Tray and 29% for the Major Laparotomy Tray. Of 98 instruments in the Plastics tray (n = 10), 0% was used in all cases observed and 59% were used in no observed cases. Of 110 instruments in the Major Tray (n = 10), 0% was used in all cases observed and 25% were used in no observed cases. Average cost to reprocess one instrument was $0.34-$0.47 in a tray and $0.81-$0.84 in a peel pack, or individually-wrapped instrument.Conclusions: We estimate that the cost of peel packing an instrument is roughly two times the cost of tray packing. Therefore, it becomes more cost effective from a processing standpoint to package an instrument in a peel pack when there is less than a 42%-56% probability of use depending on instrument type. This study demonstrates an opportunity for reorganization of instrument delivery that could result in a significant cost-savings and waste reduction.
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 | 0,000 | 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 découle