The effects of publishing emergency department wait time on patient utilization patterns in a community with two emergency department sites: a retrospective, quasi-experiment design
Notice bibliographique
Résumé
BACKGROUND: Providing emergency department (ED) wait time information to the public has been suggested as a mechanism to reduce lengthy ED wait times (by enabling patients to select the ED site with shorter wait time), but the effects of such a program have not been evaluated. We evaluated the effects of such a program in a community with two ED sites. METHODS: Descriptive statistics for wait times of the two sites before and after the publication of wait time information were used to evaluate the effects of the publication of wait time information on wait times. Multivariate logistical regression was used to test whether or not individual patients used published wait time to decide which site to visit. RESULTS: We found that the rates of wait times exceeding 4 h, and the 95th percentile of wait times in the two sites decreased after the publication of wait time information, even though the average wait times experienced a slight increase. We also found that after controlling for other factors, the site with shorter wait time had a higher likelihood of being selected after the publication of wait time information, but there was no such relationship before the publication. CONCLUSIONS: These findings were consistent with the hypothesis that the publication of wait time information leads to patients selecting the site with shorter wait time. While publishing ED wait time information did not improve average wait time, it reduced the rates of lengthy wait times.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| 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 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 ».