MétaCan
Menu
Retour à la cohorte
Enregistrement W2143147870 · doi:10.1186/1471-227x-10-16

The impact of delays to admission from the emergency department on inpatient outcomes

2010· article· en· W2143147870 sur OpenAlexafffund
Qing Huang, Amardeep Thind, Jonathan Dreyer, Gregory S. Zaric

Notice bibliographique

RevueBMC Emergency Medicine · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensWestern University
Organismes subventionnairesChina Academy of Engineering PhysicsNatural Sciences and Engineering Research Council of CanadaCanadian Association of Emergency Physicians
Mots-clésMedicineEmergency departmentEmergency medicineMedical emergencyMEDLINEIntensive care medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: We sought to determine the impact of delays to admission from the Emergency Department (ED) on inpatient length of stay (LOS), and IP cost. METHODS: We conducted a retrospective analysis of 13,460 adult (>or= 18 yrs) ED visits between April 1 2006 and March 30 2007 at a tertiary care teaching hospital with two ED sites in which the mode of disposition was admission to ICU, surgery or inpatient wards. We defined ED Admission Delay as ED time to decision to admit > 12 hours. The primary outcomes were IP LOS, and total IP cost. RESULTS: Approximately 11.6% (n = 1558) of admitted patients experienced admission delay. In multivariate analysis we found that admission delay was associated with 12.4% longer IP LOS (95% CI 6.6% - 18.5%) and 11.0% greater total IP cost (6.0% - 16.4%). We estimated the cumulative impact of delay on all delayed patients as an additional 2,183 inpatient days and an increase in IP cost of $2,109,173 at the study institution. CONCLUSIONS: Delays to admission from the ED are associated with increased IP LOS and IP cost. Improving patient flow through the ED may reduce hospital costs and improve quality of care. There may be a business case for investments to reduce emergency department admission delays.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,376
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations99
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Emergency MedicineMême sujetEmergency and Acute Care StudiesTravaux en français237 207