Evaluation of the Patients’ Queue Status at Emergency Department of Nemazee Hospital and How to Decrease It, 2014
Notice bibliographique
Résumé
<p><strong>BACKGROUND:</strong> Patients, who seek care in emergency department, are waiting in queue and the health care provision in the department seems to be too overcrowded; the extended waiting time increases dissatisfaction and delays admission of new patients. In most of the hospitals considered to be overcrowded, the discharge rate of patients is managed by the use of “theory of queues”. This study was done to observe waiting time of patients in emergency department by “queue theory analysis” and computer simulator in an Iranian hospital.</p><p><strong>METHODS:</strong> This is a cross-sectional study in which simulation software (Arena, version 14) was used to build the 8 models. They run in a period of one month. The input information for the models was extracted from the hospital database and through sampling. The objective of this study was to evaluate the response variables of “waiting time” and “number waiting” of each level.<strong> </strong></p><p><strong>RESULT: </strong>In level 2A, with increased number of beds with 20 beds, the waiting time decreased to 0.45 minutes and the percentage of deaths declined to 26.2%, but the number of discharge from this level declined, too. In level 3 with increased number of beds 2 times, waiting time decreased to 74 minutes and the percentage of death declined to 3.7% but the number of discharge from this level to ICU declined, too. <strong></strong></p><p><strong>CONCLUSION: </strong>This study showed the magnitude of ED overcrowding in Nemazee hospital. Increasing the bed capacity in the ED could reduce the waiting time in each part of ED.<strong></strong></p>
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 | 0,007 | 0,004 |
| 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 | 0,001 | 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 ».