Comments on "Using Lean-Based Systems Engineering to Increase Capacity in the Emergency Department"
Notice bibliographique
Résumé
White BA, Chang Y, Grabowski B G. Using Lean-Based Systems Engineering to Increase Capacity in the Emergency Department. West J Emerg Med. 2014;15(7):770–776. To the editor: We read with interest the article by White et al., “Using Lean-Based Systems Engineering to Increase Capacity in the Emergency Department,” in which the authors conclude that Lean could improve emergency department (ED) throughput and capacity. A number of other studies have also suggested that Lean is beneficial in addressing the problem of ED wait times. As in White et al., the vast majority of these studies have been conducted in single centers and/or as before-after evaluations.1–6 Moreover, publication bias likely also plays a role in the consistency of these findings since positive evaluations are more likely to be published.7 Although White et al. compared changes in ED length of stay with a concurrent population in their own center, it is not possible to generalize beyond this particular ED. We recently published a large multi-center controlled study of Lean in Ontario, Canada, (http://www.annemergmed.com/article/S0196-0644%2814%2900516-2/fulltext) and found that while there were reductions in ED length of stay among the 36 hospitals that participated in the Lean program, similar reductions were observed among the 63 matched control hospitals over the same period. In our study, context was also important. Because Lean was part of a broader ED wait time strategy, including wait time targets, public reporting, and targeted financial incentives, it was clear that a wide array of incentives had an effect on wait times in all EDs across the region. Our conclusion is that single-center and before-after studies do not provide rigorous or generalizable evidence that Lean is effective in reducing ED length of stay. Decisions to implement should be based on solid evidence, since Lean initiatives typically require the engagement of external consultants and/or the dedication of significant internal resources for their development and implementation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,028 | 0,031 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,009 |
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 source (Gemma direct ou Codex distillé), 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 ».