Improving operating room start times in a community teaching hospital
Notice bibliographique
Résumé
Introduction: The operating room (OR) is an expensive entity to manage. Efficiency in hospital resource utilization is critical for hospital financial solvency. One measure of efficiency in the OR is percentage of on-time starts for cases at the beginning of each day. This study looks at a community teaching hospital where measures were taken to identify and address causes of tardiness in the OR.Methods: An interdisciplinary team of doctors, nurses, and other hospital staff came together to implement a three-phase agenda. In Phase I, staff identified causes of tardiness. In Phase II, potential solutions to address each specific task were drawn up. Phase III involved maintenance of efficiency measures created in Phase II and documentation of progress for future analysis.Results and Discussion: Over twelve months, the percentage of cases that started on time steadily increased from 14% to 68%. Additionally, of the cases that were late, the average number of minutes late decreased significantly. Of the identified causes of tardiness, surgeon arriving late was found to be the most prevalent. We analyzed the relationship between average minutes late each month and the cost and revenue per unit of service (UOS). Average minutes late per month and hospital revenue per UOS showed a strong inverse correlation of -0.83, while average minutes late per month and cost er UOS showed a moderate positive correlation of 0.62. We analyzed the relationship between average minutes late each month and the cost and revenue per UOS. Average minutes late per month and hospital revenue per UOS showed a strong inverse correlation of -0.83, while average minutes late per month and cost per UOS showed a moderate positive correlation of 0.62.Conclusions: Identifying causes of tardiness based on input from a multidisciplinary healthcare team and addressing each cause with a specific measure to combat it was effective in improving the percentage of on-time starts in the OR. We demonstrated that reducing delays in OR start times can both decrease cost and increase revenue. Documenting progress of efficiency measures is critical in distinguishing measures that work from those that do not. Furthermore, continued analysis of efficiency is required to maintain efficiency standards.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».