The financial impact of an Enhanced Recovery Protocol in colo-rectal surgical care
Notice bibliographique
Résumé
Objective: Enhanced Recovery Protocols (ERPs) have been shown in many different settings to lead to quicker recovery for most patients, with a significantly reduced average length of post-operative stay (LOS). A less studied impact of ERPs has been their effect on hospital profitability. While these protocols are resource-intensive and expensive to implement, we argue that they can lead to significantly improved margins. This can be attributed to fewer complications and, more significantly, reductions in LOS resulting in increased patient capacity.Methods: Our ERP was implemented in June of 2014. The protocol was initially used only for colo-rectal cases, both elective and emergent. It contained over 20 pre-, intra-, and post-operative elements of surgical care. One year of data from the ERP cases was compared to contemporaneous controls that did not go through the ERP. Financial data was obtained from the hospital cost accountant. Average LOS was obtained from the EHR.Results: Patients who underwent colo-rectal procedures and participated in the ERP had an average LOS of 5.60 days, while controls stayed for an average of 8.51 days. Financial analysis determined that a full year of compliance with Enhanced Recovery After Surgery (ERAS) protocols added over 2 million dollars to the margin for a return on investment (ROI) of over 10 to 1, mainly by increasing hospital capacity and allowing more admissions.Conclusions: The results demonstrate that ERPs significantly reduce LOS, increasing hospital patient capacity. The higher patient load more than recoups ERP costs. Further collection and analysis of data aims to determine the effect on complications, which also have cost saving potential.
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 | 0,001 |
| 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 ».