Audit of documentation proficiency of emergency department patients who are discharged against medical advice before and after implementation of a checklist
Notice bibliographique
Résumé
Objective: Documentation of the discharge against medical advice (AMA) is poorly performed in the emergency department (ED). Little is known about the impacts of a checklist on this. Our study aimed to compare the quality of AMA documentation before and after implementation of a checklist.Methods: A retrospective review was conducted followed by a prospective study; each over three months of AMA interactions in our ED pre and post implementation of a checklist. An 11-point checklist was used to determine documentation quality during these two periods. Quality was assessed based on the number of points fulfilled on this tool. Documentation was classified as “good” (8-11), “average” (4-7) and “poor” (0-3). The primary outcome measured was the proportions of discharged AMA records that showed “good”, “average” and “poor” documentation. Secondary outcomes were compliance rates to each of the categories of the checklist before and after its use.Results: 339 and 309 complete records were retrieved from the retrospective and prospective arms respectively. The proportions of case records in the three grades before and after use of the checklist respectively were: poor, 199/339 (59%) vs. 7/313 (2%); fair, 133/339 (39%) vs. 66/313 (21%) and good 7/339 (2%) vs. 240/313 (77%); all p-values were statistically significant. There were also statistically significant differences in compliance rates to each of the categories of the checklist pre and post checklist implementation.Conclusions: This study shows improvement in quality and compliance rates in the audit categories after the implementation of an AMA checklist.
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 | 0,000 | 0,000 |
| 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 ».