The impact of emergency department segmentation and nursing staffing increase on inpatient mortality and management times
Notice bibliographique
Résumé
BACKGROUND: The aim of our study was to investigate the impact of a new organization of our emergency department (ED) on patients' mortality and management delays. METHODS: The ED segmentation consisted of the development of a new patient care geographical layout on a pre-existing site and changing the organization of patient flow. It took place on May 10, 2012. We did a before-after study in the ED of a university hospital, "before" (winter 2012) and "after" (summer 2012) reorganization by segmentation into sectors. All ED patients were included. RESULTS: Eighty-three thousand three hundred twenty-two patient visits were analyzed, 61,118 in phase "before", 22,204 during the phase "after". The overall inpatient mortality was 1.5 % during summer 2011 ("before" period), 1.8 % during winter 2012 ("before" period), 1.3 % during summer 2012 ("after" period) period (summer 2012 vs. winter 2012, OR = 0.72; 95 % CIs [0.61, 0.85], and summer 2012 vs. summer 2011, OR = 0.85; 95 % CIs [0.72, 0.99]). The mean (SD) time to first medical contact was 129 min (±133) during winter 2012 and 104 min (± 95) during summer 2012 (p < .05). CONCLUSIONS: Our study showed a decrease in mortality and improvement in time to first medical contact after the segmentation of our ED and nursing staffing increase, without an increase in medical personnel. Improving patient care through optimizing ED segmentation may be an effective strategy.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».