MétaCan
Menu
Retour à la cohorte
Enregistrement W2506536746 · doi:10.5737/23688076263215220

Delays in Discharge in Neuro-Oncology: Using a Lean Six Sigma-Inspired Approach to Identify Internal Causes

2016· article· en· W2506536746 sur OpenAlexafffundvenue
Karen Rezk, Catherine-Anne Miller

Notice bibliographique

RevueCanadian Oncology Nursing Journal · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensMontreal Neurological Institute and Hospital
Organismes subventionnairesMcGill University Health Centre
Mots-clésLean Six SigmaMultidisciplinary teamMultidisciplinary approachDischarge planningMedicineHospital dischargeHealth careQuality managementSix SigmaIntensive care medicineMedical emergencyOncologyPsychologyLean manufacturingOperations managementNursingManagement systemEngineering

Résumé

récupéré en direct d'OpenAlex

Discharge planning processes have implications for patients and families, healthcare providers, and organizations at large. As such, delays in discharge may result in suboptimal patient outcomes, increased resource utilization, and overall disruptions to patient flow. A quality improvement project was conducted using a Lean Six Sigma approach to identify internal causes of delays in discharge in newly diagnosed patients with a high grade glioma on a neurosurgical unit. Internal causes of delays in discharge were related to communication. The main subthemes were multidisciplinary rounds, incongruent messages being delivered to patients and families, and discrepancies between team members resulting in unclear plans. Findings from this project may be used to promote more effective communication that will facilitate safe and timely discharge for neuro-oncology patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,473
Écart entre enseignants0,398 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Oncology Nursing JournalMême sujetInterprofessional Education and CollaborationTravaux en français237 207